炭素取引、エネルギー構造の連結性、およびグリーン全要素エネルギー効率の再現データ

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Spatial econometric methods for evaluating carbon pricing policies and spillover effects.

🏢実務担当者:Insights into how carbon trading can affect energy efficiency across regions, informing corporate strategy.

🏛政策担当者:Evidence on the effectiveness and spatial dynamics of ETS, useful for designing carbon pricing mechanisms.

1. 概要 本リポジトリには、「炭素取引、エネルギー構造の連結性、およびグリーン全要素エネルギー効率：構造変化の動的空間分析」と題する原稿のデータセットと再現コードが含まれています。空間計量経済回帰、メカニズム分析、データ可視化を含む実証結果を再現するために必要なすべてのファイルが提供されています。 2. データファイル Panel Data.csv: 2005年から2022年までの中国30省を対象とした主要なバランスパネルデータセット。従属変数（グリーン全要素エネルギー効率、GTFEE）、中核となる独立変数（ETS政策ダミー、DID）、エネルギー構造の代理変数（石炭シェア）、およびその他の省レベルの統制変数が含まれています。 Weight Matrix.csv: 2015年の石炭消費シェアに基づいて構築されたカスタムの行標準化済みエネルギー構造距離行列（$W_{struc}$）。省間の非地理的な「構造的連結性」を捉えるために使用されます。 3. コードファイル 実証分析はStataを使用して実施され、行列の構築と可視化はPythonで処理されます。 Stataスクリプト（.do）: 01_Data_and_Trend.do: 記述統計を生成し、DIDモデルの平行トレンド検定を実施します。 02_Master_Regressions.do: ベースラインの動的空間ダービンモデル（D-SDM）を実行し、直接効果と波及効果を推定します。 03_Spatial_and_Mechanism.do: 空間相関検定（Moran's I）とメカニズム分析（「サイフォン-シナジーパラドックス」の検証）を実施します。 04_Robustness_and_IV.do: 行列の置換、プラセボ検定、操作変数（IV-2SLS）推定を含む、すべてのロバストネスチェックが含まれています。 Pythonスクリプト（.py）: step2_build_weight_matrix.py: 生データからエネルギー構造距離行列を計算・構築するために使用されるスクリプト。 05_Python_Plots.py: 原稿で使用される図（例：行列ヒートマップや空間分布図）を生成します。 4. ソフトウェア要件 Stata: .doファイルを実行するにはバージョン16以上を推奨（xsmleやspatgsaなどの空間計量経済学パッケージが必要）。 Python: バージョン3.8以上。標準的なデータ分析・可視化ライブラリ（例：pandas、numpy、matplotlib、seaborn）が必要です。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

1. Overview This repository contains the dataset and replication code for the manuscript titled "Carbon Trading, Energy Structure Connectivity, and Green Total Factor Energy Efficiency: A Dynamic Spatial Analysis of Structural Change". It provides all the necessary files to replicate the empirical results, including spatial econometric regressions, mechanism analyses, and data visualizations. 2. Data Files Panel Data.csv: The main balanced panel dataset covering 30 Chinese provinces from 2005 to 2022. It includes the dependent variable (Green Total Factor Energy Efficiency, GTFEE), the core independent variable (ETS policy dummy, DID), the energy structure proxy (coal share), and other provincial-level control variables. Weight Matrix.csv: The custom row-standardized Energy Structure Distance Matrix ($W_{struc}$) constructed based on the 2015 coal consumption shares, used to capture the non-geographic "Structural Connectivity" among provinces. 3. Code Files The empirical analysis is conducted using Stata, while the matrix construction and visualizations are handled in Python. Stata Scripts (.do): 01_Data_and_Trend.do: Generates descriptive statistics and conducts the parallel trend test for the DID model. 02_Master_Regressions.do: Executes the baseline Dynamic Spatial Durbin Model (D-SDM) to estimate direct and spillover effects. 03_Spatial_and_Mechanism.do: Performs spatial correlation tests (Moran's I) and the mechanism analysis (testing the "Siphoning-Synergy Paradox"). 04_Robustness_and_IV.do: Contains all robustness checks, including matrix substitution, placebo tests, and the Instrumental Variable (IV-2SLS) estimation. Python Scripts (.py): step2_build_weight_matrix.py: The script used to calculate and construct the energy structure distance matrix from raw data. 05_Python_Plots.py: Generates the figures used in the manuscript (e.g., matrix heatmaps and spatial distribution plots). 4. Software Requirements Stata: Version 16 or higher is recommended for running the .do files (requires spatial econometrics packages like xsmle or spatgsa). Python: Version 3.8 or higher, requiring standard data analysis and visualization libraries (e.g., pandas, numpy, matplotlib, seaborn).

• openalex https://doi.org/10.5281/zenodo.21736007first seen 2026-08-03 04:50:16 · last seen 2026-08-03 04:50:18