能源与气候谈论下经济研讨

《能源与气候谈论下经济研讨 》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、能源与气候谈论下经济研讨能源与气候谈论下经济研讨能源与气候谈论下经济研讨能源与气候谈论下经济研讨能源与气候谈论下经济研讨能源与气候谈论下经济研讨　　随着应对能源短缺与气候变化的压力日益加大，与之相关的政策和经济研究也越来越受到重视；但作为一个相对年轻的研究领域，能源与气候变化议题下政策和经济研究呈现机构众多、体系庞杂的特点。因此，识别该领域的研究热点对于系统性地分析能源与气候变化问题非常必要。然而，由于各国研究者在该领域都倾注了极大的精力，相关文献资料呈爆炸性的增长。若要全面系统地了解该领域的研究方向和热点，需要极为广阔和深刻的研究经历，完成巨量的文献阅读工作，这对于一般研究者来说具有相当的

2、难度。因此，本研究参考了以往研究的先进经验，以共被引分析为主要研究思路，通过聚类分析，对能源与气候变化议题下的政策和经济研究这一研究领域的热点完成了初步识别。　　1研究方法　　共被引分析　　论文，特别是文献类型的论文反映了科研工作者的原创性研究成果，被引用的次数越多，则表明它的作者在其研究领域越有影响力。两个作者的论文若同时被第3人所引用，则称之为共被引(co-citation)。共被引分析是由Small和Marshakova于1973年同时提出的，从此对共被引分析的研究和实践在科学计量学领域内广泛展开[1]，[2]。1987年，White和Griffith将其扩展到作者共被引分析(ACA)

3、[3]，它对于探讨学科结构有着积极的创新意义。在共被引分析中，若两名作者的共被引次数越多，说明两人的研究方向越接近。因此，共被引可以应用到整个社会科学知识体系的划分中[4]。举例说明，武汉大学的刘林青对战略管理这一领域完成了范式可视化与共被引分析[5]，大连理工大学的宋娟基于作者共被引和元分析进行了知识管理流派的研究[6]，大连理工大学的姜春林以及华东师范大学的刘璇，基于共被引理论分别对科学学和图书情报学也进行了非常深入的研究[7]，[8]。这些研究在一定程度上都提供了非常有价值的分析结论。作者之间共被引的情况可用共被引矩阵来表示，其行和列均是作者的信息，每个元素值反映了行列所代表的作者的研

4、究方向的接近情况，元素值越大，说明两人的研究方向接近。本研究首先构建了能源与气候变化议题下的政策和经济研究领域的论文作者之间的共被引矩阵，作为进一步分析的基础。　　聚类分析　　系统聚类法的聚类过程：首先默认每个样本自成一类，然后每次将最相近的两类合并，之后重新计算新类与其他类之间的距离，继续按照最小距离的准则合并，直到所有对象归为一类为止。我们使用谱系图表达这个过程，并输出聚类结果。本研究中采用的离差平方和法是一种应用较为广泛、效果较好的距离计算方法。离差平方和法并类时总是使得并类导致的类内离差平方和增量最小，是基于方差的分类方式，因此如果类分得正确，则同类样品之间的离差平方和应当较小，不同

5、类样品之间的离差平方和应当较大。由于共被引矩阵与聚类分析中的距离矩阵形式上非常相似，因此，本研究在共被引矩阵的基础上可进行聚类分析。通过聚类分析，将作者分为若干类，再根据对这些作者发表论文的关键词进行分析比较，挖掘共被引现象反映的能源与气候变化议题下政策和经济研究的热点。综上所述，本研究的研究方法框架如图1所示。　　2数据处理　　文献选取　　本研究通过对多位在该研究领域具有较为丰富经验的科研工作者的推荐，圈定了“RENEW-ABLE&SUSTAINABLEENERGYREVIEWS”，“CLIMATCHANGE”，“ENERGYPOLICY”，“EN-ERGYECONOMICS”，“ECON

6、OMICMOD-ELLING”，“JOURNALOFPOLICYMODELING”,“CLIMATEPOLICY”，“ENVIRONMENTAL&RE-SOURCEECONOMICS”，“ENERGYJOURNAL”,“ENVIRONMENTALMODELING&ASSESSMENT”等多部期刊，将文献的时间跨度设定为1990~2010年，同时，为提高研究质量，只选取文献类型为Ar-ticle的文章，滤掉了Review，BookReview，Discus-sion等类型的文章，最后获得19714条记录。　　作者选取　　如果研究目标是对研究领域的知识结构的综合描述，那么建立一个多样全面的作者组

7、合是非常关键的，最好有多种来源，如专家访谈、问卷调查、综述性文章、学会成员、会议参加者和获奖者等，其中一个相对客观而且方便的方法是通过引文中作者被引用次数的高低来选择，本研究即采用此种方法选取该领域的关键作者，选取被引用次数排序前100位的作者作为研究对象，统计任意两个作者被共引用的次数，得到他们之间共被引记录21976条，部分结果见表1。　　构建共被引矩阵　　根据共被引关系的记录，构造这100位作者的共被引