《表5 1992—2013年中国城市碳排放绩效类型空间马尔科夫转移概率矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在传统的马尔科夫链转移概率矩阵中加入空间滞后条件，构建空间马尔科夫转移概率矩阵，通过对比分析在不同邻域背景下城市碳排放绩效的转移概率探讨邻域背景对城市碳排放绩效转移的影响。表5为1992—2013年中国城市碳排放绩效类型空间马尔科夫转移概率矩阵，根据计算结果可得：（1）地理背景在中国城市碳排放绩效转移过程中发挥重要作用。对比传统的马尔科夫转移概率矩阵，在不同的地理背景下，中国城市的碳排放绩效转移概率发生了明显的变化。（2）城市的碳排放绩效与区域碳排放绩效类型具有协同性。当邻域类型为1时，在t时段处于碳排放绩效低的城市数量明显多于其他类型的城市数量，当邻域类型为4时，在t时段处于碳排放绩效高的城市数量亦明显大于其他类型的城市数量。（3）一般来说，与碳排放绩效低的区域为邻，该城市碳排放绩效类型向下转移的概率增大，当与碳排放绩效高的区域为邻时，该城市的碳排放绩效类型向上转移的概率将增大。例如，在碳排放绩效低的邻域条件下，P21|1（0.1565）>P21（0.1029），P32|1（0.2330）>P32（0.1793），而在碳排放绩效高的邻域条件下，P12|4(0.3272）>P12（0.1776），P23|4（0.2089）>P23（0.1928）（表5）。(4）空间马尔科夫转移概率矩阵在空间维度为“俱乐部收敛”现象提供了解释依据。受邻域类型溢出效应的影响，中国城市碳排放绩效类型转移容易在一定的地理空间范围内形成“俱乐部收敛”现象。在碳排放绩效低的区域，碳排放绩效状态类型向上转移的概率上升，向下转移的概率下降，因此该地理范围内碳排放绩效低的城市数量有增大的趋势，反之亦然。