余 谦 吴 婷 覃一冬 贾 鹏，2
1（武汉理工大学经济学院，武汉 430070） 2（中交三公局第三工程有限公司，武汉 430033）
引 言“二十大” 报告明确提出，“推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”，要“发展绿色低碳产业，健全资源环境要素市场化配置体系”。为了实现经济绿色高质量发展、达成双碳目标，2021 年7 月份全国碳排放权交易市场正式上线。在这之前，自2013 年开始，碳排放权交易政策已历经9 年试点。那么，在多年试点过程中，碳排放交易政策对绿色发展有什么直接影响？ 是否能通过促进试点地区产业升级和提高创新水平间接影响绿色经济高质量发展呢？ 而碳排放交易对周边地区的绿色发展又是否存在空间溢出效应呢？
基于上述问题，本文以碳排放权交易试点政策为出发点，用生态效率测度绿色发展水平，从不同维度区分了碳排放权交易试点对绿色发展的影响，包括碳排放权交易试点对绿色发展的直接效应、间接效应及空间溢出效应； 建立了碳排放权交易试点对绿色发展影响的理论框架，分析其影响机制，并设计实证模型进行验证； 建立了PSM－DID模型和SDM－DID 模型，克服了传统双重差分模型只解决内生性而忽略了城市间的交互作用的问题。
1 文献综述国内外有关生态效率的政策影响因素的研究主要分为三大类： （1） 关于低碳试点城市政策对绿色发展的影响的研究。王贞洁和王惠（2022）［1］研究发现低碳城市试点政策能显着促进企业绿色发展； Cheng 等（2019）［2］研究发现低碳试点城市政策通过促进技术进步和提升结构效应能显着促进绿色发展； （2） 创新型城市试点政策对绿色发展的影响研究。Li 等（2021）［3］发现创新型城市试点可以通过调整产业结构、充分发挥政府的直接干预作用对城市绿色发展产生积极影响； 刘曙光等（2022）［4］发现创新型城市试点政策还通过节能降耗和环境规制推动城市绿色发展； （3） 其他政策因素对绿色发展的影响研究。Jiang 和Tan（2020）［5］发现政府环境审计可以显着改善静态的和动态的生态效率； 辛宝贵和高菲菲（2021）［6］发现生态文明试点政策能显着促进生态效率增长； 马双和海骏娇（2022）［7］发现城市层面的环境政策能通过强化技术关联性来促进区域生态效率增长，而省级层面的环境政策对技术关联性反而有抑制作用。
关于碳排放权交易试点政策（Carbon Emissions Trading Pilot，CETP）的研究，主要是使用双重差分法或其扩展模型对绿色创新效率、能源效率和碳排放效率等绿色指标进行政策效应评估。Hong等（2022）［8］研究发现CETP 能通过促进绿色创新和优化资源配置显着提升城市单要素和全要素能源效率，高市场化和产业集聚更有利于能源效率的提升； Chen （2021）［9］发现CETP 主要通过技术进步、绿色创新和能源消费结构优化3 个途径显着提高试点城市的碳排放效率，市场化程度较高的城市作用更为明显； 张扬等（2022）［10］发现CETP 能降低企业债务融资成本，进而促进实质性绿色创新。除上述研究之外，也有部分学者对CETP 与生态效率之间的关系展开了研究，Wu（2022）［11］研究发现CETP 对农业生态效率有显着影响，张优智和乔宇鹤（2021）［12］研究发现CETP对试点地区的生态效率有显着的促进作用。
随着全球价值链低碳化发展趋势日益明显，现有研究不能满足新常态下产业空间结构优化与经济绿色高质量发展的需求，主要存在以下两方面的局限性： （1） 现有研究分析碳排放权交易试点政策对绿色发展的全面效应并解释其中的作用机理在因果推断方面存在不足； （2） 有关绿色发展政策冲击的研究主要采用传统DID 模型，较少考虑到绿色发展的空间相关性，忽略了两者的空间溢出效应。
2 理论假设碳排放权交易试点对绿色发展具有直接效应是指CETP 能够直接促进城市绿色发展。本文用生态效率衡量绿色发展，这一指标最早由Schaltegger和Sturm （1990）［13］提出，指某地区在一定时间范围内产值增加额与要素投入和环境污染的比值，兼具“经济增长” 效应和“污染减排” 效应。Costantini和Mazzanti（2011）［14］基于波特假说理论，发现合适的环境规制政策会吸引资本、劳动等生产要素的集聚，从而能改善该地区的资源配置效率。而CETP 作为限制性环境规制的一种，可能会促进资源配置的改善，从而提升经济发展水平，实现“经济增长”； 另外，CETP 会增加企业的碳排放成本，最终达到降低二氧化碳排放量的目的，具有“污染减排” 效应，能够提高生态效率。
综上，提出假设1： CETP 兼具“经济增长”和“污染减排”效应，能够直接促进城市绿色发展，即碳排放权交易试点对绿色发展具有直接效应。
碳排放权交易试点对绿色发展具有间接效应是指CETP 能通过促进技术创新和产业结构升级从而间接提升城市绿色发展水平。有研究表明，CETP 能促进产业结构的优化升级［15］、提升绿色技术创新水平［16］。产业结构调整是影响经济发展的重要因素，技术创新是促进经济发展的主要动力［17］，因此，CETP 可能通过促进产业结构优化升级或绿色技术创新间接影响绿色发展。碳排放权交易可以通过增加债务融资成本，从而迫使企业积极投入绿色创新研发，提升其绿色创新水平。低碳环保企业由于碳排放量较少，企业超额成本较低，且能通过交易市场出售多余的碳配额获取低碳转型的红利，从而更有动力将资源用于技术研发和创新，进一步提升了其市场竞争力，获取更多超额利润。同时，对于高污染企业，短期内企业无法快速对生产设备和生产流程进行优化调整来达到固定排放配额，所需碳配额往往会超出固定排放配额。因此高污染企业需要通过市场交易获取碳配额，这将导致生产成本提高。长期来看，高污染企业会选择引进先进生产设备、加快低碳技术的研发或更换低碳低污染型生产要素或来降低生产成本。因此，无论是短期还是长期，企业所进行的绿色技术创新，不仅能提高环境收益，还能提高生产过程中的生产效率和经济收益，降低生产成本，提高绿色发展水平； 与此同时，碳排放权交易机制能利用市场价格发现机制，以引导企业调整经营战略，改变试点地区的产业结构布局。当企业获得的碳排放权交易收益超过实施低碳技术改造或技术创新的成本，就会有更多资金流入绿色低碳技术研发和应用的环保企业，从而推动产业转型升级，促进地区产业结构高级化，对绿色发展产生正面影响。
基于以上分析，提出假设2： CETP 能通过促进技术创新和产业结构升级间接提升城市绿色发展水平，即碳排放权交易试点对绿色发展具有间接效应。
碳排放权交易试点对试点地区的绿色发展具有溢出效应是指CETP 对试点城市周边地区的绿色发展有显着影响。有研究表明，CETP 对绿色创新［18］、碳排放量［19］的影响存在溢出效应。因此，CETP 也可能对试点地区周围的生态效率有溢出效应。（1） CETP 会对周边城市产生“污染避难所效应”。不同地区之间的环境规制差异，会导致污染企业向低管制地区转移，使该地区成为污染避难所［20］。由于碳排放权交易会使试点地区的排污成本上升，当污染密集型产业增加额外的排放成本时，能源密集型和污染密集型工厂将趋向于向环境标准较低的非试点地区转移，这会导致非试点地区的生态效率下降； （2） CETP 还具有“虹吸效应”。试点地区多是经济密度高、资源禀赋强的一、二线城市，而CETP 还将进一步促进试点地区的产业结构升级和创新发展，赋予试点地区的新的竞争优势，因而会吸引劳动力等生产要素和创新因素向试点城市集聚，不利于周边地区的基础设施建设和人力资本积累，阻碍了周边地区的创新发展，进而影响生态效率； （3） CETP还会对周边地区带来“技术溢出效应”。CETP 诱导的高效节能和低碳技术可以推广到非试点地区，根据内生创新理论［21］，技术创新造成的竞争效应和技术溢出使周边地区可以以相对低廉的成本掌握技术创新的成果，促进周边地区低碳生产技术的提升，从而促进生态效率增长。同时，根据区域增长极理论，试点地区创新水平提高带来的绿色发展水平提升会通过不同途径向创新水平低的非试点地区扩散。
综上，本文提出假设3： CETP 对试点城市周边地区生态效率具有空间溢出效应，“污染避难所效应”、“虹吸效应” 与“技术溢出效应” 的大小决定其方向和大小。
3 实证研究设计3.1 空间权重矩阵的选择为了体现样本个体间的空间联系，考虑到样本点间的地理距离，本文选择了地理距离权重矩阵①作为模型估计的主要空间权重矩阵。由于空间计量模型的结果可能受到空间权重矩阵的影响，本文还将使用邻接矩阵②和经济地理距离权重矩阵③来检验空间计量实证结果的稳健性。为了减少或消除不同区域之间的外部因素的影响，本文对权重矩阵进行了行标准化处理。
3.2 模型设定（1） 多期DID 模型
根据假说1，本文将CETP 作为一项准自然实验，将实施CETP 的8 个试点区域覆盖的地级市视为处理组，其他地级市视为对照组，多期DID模型设定为：
式中，GML是NT*1 维被解释变量，emi是一个哑变量，表示碳排放权交易试点的情况；u为城市固定效应；v为时间固定效应；X为NT*k维控制变量矩阵；ε为是一个NT*N维的误差项向量，β是待估参数，γ是将X连接被解释变量的函数。
（2） 中介效应模型
根据假设2，碳排放权交易试点可能通过促进产业结构升级和技术创新，进而促进城市生态效率的增长。据此，参考温忠麟和叶宝娟（2014）［22］的研究，使用中介效应模型验证CETP 对绿色发展的间接效应，结合式（1），模型设定如下：
其中，M表示中介变量；θ为核心解释变量对中介变量M的效应；a是在控制了自变量的影响后，中介变量M对被解释变量的效应。如果系数θ和a均显着，则说明间接效应存在，否则，应该使用Bootstrap 法检验H0：θ*a＝0，采用Bootstrap 检验如果置信区间不包含0，则系数乘积显着，说明存在部分中介效应，否则，则说明不存在间接效应。
（3） SDID 时空效应模型
基于假说3，为准确地分离出CETP 对邻近区域影响的净效应，本文将空间滞后项引入多期DID 模型。DID 模型的一个经典假设是个体处理效应稳定性假设（SUTVA），即总体中的任何个体都不会受到其他个体接受处理与否的影响［23］。然而，在空间研究中，我们通常需要考虑到区域是相互关联的。这就产生了影响在生产发生的区域（处理组）和周围区域（对照组）上传播的可能性，违反了SUTVA 假设，这使得因果推断更加困难。因此，必须将政策的影响效果也模拟在与处理组相邻的对照组上。在式（1） 的基础上构建双重差分模型的空间扩展形式（SDID）：
其中：W为空间权重矩阵；α为被解释变量的空间自相关系数；β2为碳排放权交易政策的溢出效应；δ为其他控制变量的溢出效应；λ为随机误差的空间自相关系数，其他变量同式（1）。β2W*emi表示CETP 对处理组和对照组城市的间接影响的平均效应。
（4） SDID 模型的具体形式
根据Andre （2016）［24］的方式，对W矩阵进行分解：
其中，DD＝diag（emi）是一个N*N维矩阵，主对角线元素为处理效应（emi），其他元素为0，DC＝diag（I－emi），I是单位矩阵。代入式（5）中，可得到有约束模型：
通过构建WT，NT和WNT，NT为0 矩阵，则无约束模型为：
4 变量设定与数据来源4.1 被解释变量本文选用生态效率测度绿色发展水平，采用基于SBM 方向距离函数的GML 指数，结合非期望产出SBM 模型和超效率SBM 模型，建立非期望产出－超效率SBM 模型，来测算城市的生态效率。选取的投入产出指标中，投入指标包括劳动力投入、资本投入和能源投入，分别使用全市年末从业人口（万人）、固定资产资本存量、能源消耗量来衡量。其中，固定资产资本存量Ki，t采用永续盘存法估计，折旧率设为10.96%［25］，基期资金存量K0使用Hall 和Jones （1999）［26］提出的公式计算，如下：
能源消耗量是以标准煤折算方法折算后的全社会用电量，计算公式为：
期望产出指标使用以2003 年为基期，用城市对应省份的消费价格指数对城市名义GDP 进行平减所得的实际GDP，非期望产出是以熵值法测度的城市工业二氧化硫排放量（万吨）、工业烟尘排放量（万吨）、工业废水排放量（万吨）的综合指标。
4.2 核心解释变量碳排放权交易试点（emi），emi为treat和post的交互项，若城市属于碳排放权交易的试点城市，则treat＝1，否则为0； 碳排放权交易政策实施后，post＝1，否则取值为0。
4.3 控制变量基于以往研究，本文选取4 个控制变量包括外商投资水平（fdi）、禀赋结构（str）、人力资本水平（capital）和经济发展水平（eco）。外商投资水平（fdi）通过当年汇率平减后的实际利用外资金额占GDP 的比重测度； 禀赋结构（str）是当年资本存量与年末从业人数的比值，用来衡量一个地区要素禀赋丰裕的程度； 人力资本水平（capital）用当年在校大学生数占地区总人口的比重来衡量； 经济发展水平（eco）则用地区人均GDP（万元）来代表。
4.4 中介变量本文的中介变量包括技术创新和产业结构升级。技术创新（tec）采用科学技术支出占地方一般公共预算支出的比例来表示。产业结构升级（ind）采用产业结构高级化指数表示，具体计算公式如下：
本文选用2003 ～2021 年全国共273 个地级市的面板数据作为研究对象，其中，剔除掉样本缺失值过多的城市——贵州省辖下的毕节市、青海省辖下的海东市、宁夏回族自治区辖下的银川市等20 个地级市以及中国港澳台地区的样本信息。本文数据来源于2004 ～2022 年各城市《城市统计年鉴》、各省（区、市）的统计年鉴、《中国环境统计年鉴》 和国家统计局官网，缺失的数据使用插值法补充。同时，为了消除异方差，在回归过程中，对各指标作对数处理。各变量的描述性统计见表1。
表1 变量的描述性统计
5 直接效应分析5.1 PSM 有效性检验和平行趋势检验为了消除或减少选择偏差，使处理组和对照组在各方面特征上尽可能相似，本文将采取倾向得分匹配（PSM）和DID 结合。将外商投资水平、禀赋结构、人力资本水平和经济发展水平作为匹配协变量，进行Logit 回归后，计算城市的倾向匹配得分，按照1 ∶3 的比例进行近邻匹配，PSM 有效性检验见表2。可以看出，匹配前，外商投资水平和经济发展水平的结果均显着，说明处理组和对照组存在显着差异。匹配后，协变量的t 检验结果均不显着，说明协变量匹配后处理组和对照组不存在差异，PSM 结果有效。
表2 PSM 有效性检验
平衡性检验见图1。图中可以看出，匹配前控制组和处理组的偏差较大，经济发展水平、外商投资水平的偏差甚至达到30%以上，而匹配后各协变量处理组和对照组的偏差均小于10%，匹配前后控制组和处理组的偏差显着降低，与表2的结论一致，匹配质量较好。
图1 平衡性检验
在此基础上进一步进行双重差分估计。双重差分模型的一个重要前提是处理组和对照组要满足平行趋势假设。本文采用事件研究法，选择CETP 实施前3 期和实施后5 期，估计各期的效应④。估计结果基本满足平行趋势假设。
5.2 基准回归基准回归结果见表3，可以看出，在控制了城市和时间双向固定效应后，模型（1）～（4） 中emi的系数均为正且至少在10%的显着性水平下显着，说明CETP 显着促进了试点城市的生态效率提升，CETP 对绿色发展有直接效应，验证了假设1。此外，对于控制变量，模型（2） 和模型（4） 中经济发展水平和外商投资水平均对绿色发展无明显影响，禀赋结构对绿色发展产生了显着的负面影响，但人力资本水平在模型（2） 中显着为负，而在模型（4） 中不显着，说明倾向得分匹配改变了人力资本水平的显着性。
表3 DID 模型回归结果
5.3 稳健性检验（1） 安慰剂检验
为了验证本文得到的实验结论不受其他不可观测因素的影响，需要进行安慰剂检验。具体操作如下： 本文在所有样本中随机选择44 个城市作为虚拟实验组，其余229 个城市作为虚拟对照组，进行基准回归，并提取回归后的核心解释变量系数及标准误，据此计算t 值，随机进行上述模拟抽样1000 次，绘制核心解释变量的核密度分布图，如图2 所示。可以看出图中绝大多数的系数和t 值均集中分布在0 附近，均值与真实值的距离较远，且绝大多数估计系数并不显着，这意味着CETP 对绿色发展的政策效应没有受到其他未被观测因素的影响。因此，实证结论是稳健的。
图2 安慰剂检验
（2） 改变PSM 匹配方法
PSM 近邻匹配比例的不同可能会对结果造成影响，为了避免这种可能性，本文调整PSM 近邻匹配比例为1 ∶2 和1 ∶4。同时，上文在进行PSMDID 时所采取的是混合匹配方法，是指将多期的面板数据当作截面数据来匹配，这里将使用逐期匹配方法重新进行倾向得分匹配来验证前文结果的稳定性。选择政策实施前4 期，将每一期的处理组和对照组个体分别按照1 ∶1 的比例进行近邻有放回匹配，并进行DID 回归，结果见表4。可以看出，模型（1）～（6） 中，无论加入控制变量与否，核心解释变量emi的系数始终为正且至少在10%的水平下显着，而系数与基准回归结果（0.026）并无较大差异，说明CETP 对生态效率影响显着为正，近邻匹配比例的大小和匹配的方法并不影响最终的实验结论。
表4 PSM－DID 回归结果
（3） 剔除其他政策的干扰
试点地区生态效率的提升可能是多个政策共同作用的结果，为了排除这种可能性，准确识别CETP 对生态效率的影响，需要剔除其他政策的干扰。结合相关文献，2010 年及2014 年分别进行的低碳试点城市试点政策显着促进了试点地区的绿色全要素生产率［27］，2008 年和2013 年在我国各地区实行的环境信息披露制度也能显着促进生态效率增长［28］。参考曹清峰（2020）［29］的研究，在式（1） 的基础上，估计以下方程：
其中，DID1 为环境信息披露制度虚拟变量矩阵，DID2 为低碳试点政策虚拟变量矩阵。其他变量同式（1）。表5 报告了回归结果，可以发现，在加入这些政策一起回归之后，核心解释变量emi的系数仍显着为正，且与PSM－DID 模型的系数相差较小，CETP 对地区生态效率还是有显着的正向效应。因此，实证结论稳健。
表5 排除其他政策干扰的回归结果
6 间接效应及空间溢出效应分析6.1 间接效应分析上述基准回归和稳健性检验结果均表明CETP显着提高了城市绿色发展，接下来，使用中介效应模型对间接效应进行检验，结果如表6 所示。当中介变量为产业结构升级指数（ind）时，模型（1）的核心解释变量emi的系数θ显着为负，但模型（2） 中介变量（ind）的系数a不显着，则需要进行Bootstrap 检验。有放回地进行1000 次重复抽样后，结果得到的置信度为95%的置信区间包含0（［－0.001，0.001］），说明间接效应不显着，即CETP 对生态效率的提升并不通过产业结构升级实现。产业结构升级的间接效应不存在，有可能是因为碳排放权交易利用市场机制来引导企业调整战略、实现转型并最终实现全社会产业链转型升级和产业结构布局调整是一个长期的过程，需要较长的时间才能发挥效果，因此目前还不显着。
表6 间接效应分析
当中介变量为技术创新（tec）时，模型（3） 中emi的系数θ显着为正，模型（4） 中介变量（ins）的系数a不显着，进行1000 次Bootstrap 抽样检验，发现95%的置信区间不包含0（［0.001，0.006］），表明间接效应显着存在，继续对比θ*a与b的符号，发现符号相同，则中介效应属于部分间接效应，此时的效应量为θ*a/b＝1.48%。说明CETP产生的创新效应间接推动了绿色发展，效应量约为1.48%，部分验证了假设2。
6.2 空间溢出效应分析（1） 空间自相关检验及模型选择
只有存在空间相关性，才能够使用空间计量方法来进行模型的构建和估计。本文拟采用全局Morans I 指数检验城市生态效率的全局空间相关性，运用Stata 16.0 软件，测算2004 ～2021 年生态效率的全局Morans I 指数，如表7 所示。可以看出，Morans I 指数在大多数年份均为正，且在5%的水平上显着，说明地级市之间生态效率具有显着的空间正相关性，因此使用空间计量模型来研究生态效率是有必要的。
表7 生态效率的Morans I 指数
本文综合利用LM 检验、Wald 检验和LR 检验来对空间模型的选择进行判断，检验结果如表8所示。结果显示，LMlag、LMerror 和稳健的LMlag、LMerror 均在1%的显着性水平下显着，分别拒绝了没有空间滞后被解释变量的原假设和没有空间自相关误差项的原假设，因此使用SDM 模型能更好的拟合本文的数据。Wald 检验和LR 检验的结果均在1%的显着性水平下显着，分别拒绝了SDM模型能简化为SAR 模型和SDM 模型能简化为SEM模型的原假设，所以最终本文选择基于空间SDM模型的SDID 模型进行实证。
表8 模型设定检验
（2） 空间溢出效应分析
使用SDM－DID 模型进行回归，估计结果见表9 的模型（1） ～（2）。模型（1） 是有约束的SDM－DID 模型回归结果，模型（2） 是无约束的SDM－DID 模型回归结果。具体来看，在试点地区，碳排放权交易政策的影响为0.126，比PSM－DID模型的效应（0.026）大。同时，列（1） 中，WD的系数显着为负，碳排放权交易试点对周边地区产生了显着的负向溢出效应，说明其“污染避难所效应” 和“虹吸效应” 作用比“溢出效应” 更强，验证了假设3。就效应分解来看，列（2） 中，WT，TD的系数为－0.364，为负数，说明碳排放权交易政策的实施对周边试点城市产生了显着的负向溢出效应。WNT，TD的系数为负，但接近于0且不显着，说明政策对邻近的非试点城市有负面影响，但不显着。
（3） 空间稳健性检验
本文使用邻接矩阵和经济距离矩阵来检验空间计量实证结果的稳健性。结果见表9 的模型（3）～（6）。可以看出，替换权重矩阵后，模型（3）～（6）中核心解释变量emi的系数依然显着为正，与前文一致，且WT，TD和WNT，TD的符号与显着性也与前面的实证结果一致，虽然经济距离矩阵的WD符号不显着，但可能是由于在权重矩阵中加入了经济因素，对城市之间距离的刻画有些失真，但并不影响最终的实证结果，稳健性检验通过。
7 结论与启示本文以2003～2021 年全国273 个城市的面板数据为例，通过PSM－DID 模型和SDID 模型，讨论了碳排放权交易试点（CETP）影响绿色发展的理论机制，并研究了CETP 对绿色发展的空间效应，研究结果表明： （1） 无论是使用传统DID 模型还是PSM－DID 模型，结果都显示CETP 能够促进试点地区绿色发展，并且通过了安慰剂检验； （2）调整PSM 近邻匹配比例为1 ∶2、1 ∶4 和使用逐期匹配法后，结论依旧稳健； （3） 剔除了低碳城市试点政策和环境信息披露制度的干扰后，CETP依然能够显着促进地区绿色发展； （4） 中介效应检验发现“产业结构效应” 不显着，但“创新效应” 显着，即CETP 产生的创新效应推动了生态效率的提升； （5） CETP 对周边地区产生了显着的负向溢出效应，就效应分解来看，CETP 的实施对周边试点城市产生了显着负向的溢出效应，但对非试点城市的生态效率无明显影响，而且替换空间权重矩阵后结果依然稳健。
通过本文理论和实证研究，得到以下建议：（1） 促进全国碳排放权交易市场健康发展。鉴于CETP 在提高试点地区绿色发展水平方面的有效性，应加强碳排放权交易市场的主导作用，尽可能减少勾连和投机等各种可能阻碍碳排放权交易市场效率的不正当交易行为； 另外，应完善碳排放权交易市场机制设计，提高交易的有效性； （2）充分利用碳排放权交易的创新效应。可以适度提高环保企业的碳排放配额，以激励企业增加技术投资，促进低碳技术的研发； 降低污染企业的碳配额，加快该类型企业的技术转型和创新，从而实现绿色发展； （3） 加强碳排放权交易的省际合作。积极推广成功地区的试点经验，建立碳排放权交易市场区域合作治理体系，并利用邻近地区的互补优势，进一步实现碳排放权交易市场的协调发展。
注释：
①地理距离权重矩阵： 其空间权重矩阵元素设定为两城市地理中心之间的直线距离的反函数。
②邻接矩阵： 如果两地区空间相邻，则空间权重矩阵元素记为1，否则为0。
③经济地理距离权重矩阵： 基于城市间的地理距离和人均GDP设定的权重矩阵。
④版面所限，结果留存备索。
