本文關(guān)鍵詞：基于面板數(shù)據(jù)的省私人汽車擁有量的差異化發(fā)展研究

  更多相關(guān)文章： 私人汽車擁有量 汽車限購 城市化水平 公共交通

【摘要】：近年來,隨著經(jīng)濟的快速發(fā)展,私人汽車擁有量同樣得到了飛速的增長。然而,車輛增長在給人們生活工作帶來了許多便利的同時,也產(chǎn)生了一些日益嚴重的負外部性問題,如交通擁堵、空氣污染、高度的能源依賴等問題。實際上,中國各省私人汽車擁有量呈現(xiàn)的發(fā)展情況是不同。只有在明白了各省私人汽車擁有量的發(fā)展特征,政府及相關(guān)部門才有更有針對性地解決因汽車增長所引發(fā)的問題。本文旨在基于實證的角度厘清各省私人汽車擁有量的差異化發(fā)展,以適用未來汽車的發(fā)展,并向政府及相關(guān)部門提供解決汽車增長的問題的政策性建議,以便更好的應(yīng)對因這種增長所引發(fā)的負外部性。本文基于中國2000-2013年31個省份的面板數(shù)據(jù),運用靜態(tài)面板模型和動態(tài)面板模型對私人汽車擁有量差異化發(fā)展從四個方面進行分析,包括經(jīng)濟環(huán)境、基礎(chǔ)設(shè)施建設(shè)、人口特征和監(jiān)管環(huán)境。結(jié)論為,城市化水平高的省份的,人均GDP的增長的速度比私人汽車擁有量增長的速度快,而城市化水平低的省份,人均GDP彈性會向城市化水平高的省份的彈性趨近；城市化水平高的省份不太會盲目增加私人汽車的擁有量；相對于其他省份,城市化水平高的省份的人們對于時間成本和汽車使用成本相對敏感,在同等的情況下,他們更可能不選擇以私家車的形式出行；城市化水平高的省份,會更傾向于采用汽車限購限用的政策。目前國內(nèi)外針對汽車擁有量的相關(guān)研究分析文獻不少,而這些研究分析大體可歸類為兩類基本模型,即集合模型和非集合模型。在集合模型中,通常在國家,地區(qū)或是城市的層次上對汽車需求的進行收入彈性的分析,而這種模型通常使用普通最小二乘法模型來預測汽車擁有量。而非集合模型,傾向于使用家庭數(shù)據(jù)從決策層級上更為詳盡的分析的購買汽車的行為。過去的研究中,集合模型又可以分為有OLS模型和增長模型兩種形式。對于OLS模型,最常用到的是對數(shù)線性模型。對數(shù)線性模型是將汽車擁有率(一定單位的人擁有汽車的數(shù)量)的對數(shù)看成因變量,構(gòu)造諸如人口、人均GDP等一些潛在決定因子對數(shù)的線性方程。如黃曉燕(2012)采用雙對數(shù)模型,選取中國235個地級以上城市為樣本,研究了1990-2009年中國城市私人汽車擁有量演變的時空特征,并選取了9個解釋變量,使用1995-2009年的面板數(shù)據(jù),建立面板數(shù)據(jù)模型量化各影響因素的貢獻率,分析各因素對城市私人汽車擁有量的作用機制。而常用增長模型主要有：Logistic模型和Gompertz模型。而這類模型往往體現(xiàn)為,汽車擁有量隨著人均收入的增加而開始慢慢增加,然后急劇上升,最后達到-個飽和水平。在集合模型中,除了人均GDP,還可以把燃料價格、人口密度、道路密度,鐵路密度以及時間趨勢作為解釋變量。Tanner(1958)首次建立的趨勢預測集合模型,在汽車保有率、邊際增長率和飽和水平的基礎(chǔ)上構(gòu)建了Logistic模型,并于1978年對該模型進行修正,將預測基準年的人均GDP和實際駕駛成本納入了趨勢預測集合模型。Dargay et al(1999)采用26個國家從1960-1992年的橫截面時間序列數(shù)據(jù)建立了Gompertz模型,成功的預測了直至2015年汽車保有率的發(fā)展趨勢。而非集合模型是在家庭層面上研究家庭汽車擁有量與家庭特征之間的關(guān)系�；跈M截面數(shù)據(jù),將一個家庭擁有特定數(shù)量的汽車的概率作為家庭特征的函數(shù),而這常會采用離散選擇進行分析。而最基本的靜態(tài)汽車模型旨在預測在一個給定的時間一個家庭擁有的汽車數(shù)量,同時可以揭示有關(guān)家庭的特點,如家庭中成年人工作的人數(shù),以及家庭的位置屬性,比如距離市中心的距離。在此之前的相關(guān)的研究,幾乎沒有人重點考慮私人汽車擁有量差異化發(fā)展,大部分研究更傾向去預測一個國家或是地區(qū)的汽車擁有量。因此,何種因素引發(fā)的這種差異化發(fā)展及其具體的影響程度,是一個值得研究的重要課題。而我們的理論依據(jù)其相關(guān)假設(shè),具體為：假設(shè)現(xiàn)實中只存在兩類商品,私人交通工具(T)和所有其他產(chǎn)品(z)。假設(shè)商品都是可取的完全可分割的�；趥鹘y(tǒng)的消費行為理論,我們可以得到市場對私人交通工具需求的函數(shù)。正如我們所知,最優(yōu)消費束取決于兩組信息：經(jīng)濟環(huán)境和消費者的個人偏好Φ。其中經(jīng)濟環(huán)境由消費者收入(X)以及兩類商品的價格pT和pz,所決定。根據(jù)消費者行為的理論,我們可以得到個人對私人交通工具需求函數(shù),其表示如下：T*=T(PT,Pz、X;φ)假設(shè)在一個省份中有N個消費者。那么一個省對私人汽車市場需求DT是個人對私人汽車需求的水平加,其表示如下：DT(pT,Pz,X1,...,XN;φ1,...,φN):∑T,(PT,Pz:,Xi;φi)如果我們假設(shè)對每一個消費者來說,每單位收入的增加帶來相同的邊際消費,那么收入分配不會影響市場需求。因此對于特定的j省私人交通工具市場需求可表示為：DjT=DjT(pjT,pjZ,Xaj;φaj)其中j=1,…….31,Xa表示總收入,PjT和pjz分別表示j省的的私人汽車價格和所有其他產(chǎn)品的價格,Xaj表示j省的總收入和Φa表示j省的總體偏好。對于前面所說的所有其他商品(z),在這里我們只考慮與私人汽車具體替代關(guān)系的公共交通工具。在進行更一步的分析之前,我們知道交通工具(私人交通工具和公共交通工具)所付出的代價(價格),包括直接付現(xiàn)的成本和非付現(xiàn)的時間成本。而這直接付現(xiàn)的成本包括汽車的購買價款,燃汽油費、過路費、維修費、牌照費等相關(guān)費用,而非付現(xiàn)的時間成本實質(zhì)上是機會成本,其大小取決于出行所耗費的時間價值。另外,道路基礎(chǔ)設(shè)施建設(shè)、城市的空間布局及規(guī)劃也會對交通工具所付出的代價產(chǎn)生一定的影響,更何況中國現(xiàn)在正處在快速城市化進程當中,相關(guān)的道路基礎(chǔ)設(shè)施投資金額也大。實際中,增加對道路基礎(chǔ)設(shè)施的投資,往往會使得道路容量增加,這樣的話每輛車的行駛的道路空間相比之間就更大了,因而也減少了交通擁堵,從而減少了出行所花費的時間,這樣的話,時間的機會成本也相應(yīng)的減少了。因此,對于某省份j來說,其私人交通工具需求可進一步表示為：DjT,t=DjT,j(cjT,t,Votj,t,cjz,t,Xaj,t,infjT,t,infjz,t,spdevj,t,Xbj,t)其中j=1,…,31,cjT,t表示在t時刻在私人交通工具上所付出的成本；voti,t表示在t時刻出行的時間成本；cjz,t表示在t時刻在公共交通工具上所付出的成本；Xaj,t表示在t時間的總收入；infjT,t表示在t時刻的私人交通的基礎(chǔ)設(shè)施情況；infjz,t表示在t時刻的公共交通的基礎(chǔ)設(shè)施的現(xiàn)狀；spdevj,t表示在t時刻j省的城市的空間布局及規(guī)劃；Xb j,t表示其他對私人交通工具有影響的變量,在這個變量中,j省的政府是否對汽車采取限購限用的政策對于私人交通工具的使用尤為重要。因為政府干預影響消費者的偏好。如果政府不鼓勵人們更多的使用私家車出行時,那么它就很可能通過一個汽車限購或是限用的政策去限制消費者原本的偏好。實證分析的這些數(shù)據(jù)取自31個省從2000年到2013年的面板數(shù)據(jù),來源于國家統(tǒng)計局以及EPS數(shù)據(jù)庫。然而有些數(shù)據(jù)在某些省份或是某些年是缺失的。對于道路橋梁以及公共交通運輸?shù)耐顿Y在2013年的數(shù)據(jù)是缺失的�？紤]到基礎(chǔ)設(shè)施的投資受政策的影響較大,對于道路橋梁和公共交通的投資缺失數(shù)據(jù)不做處理。而對于交通工具類消費價格指數(shù),西藏的就這一數(shù)據(jù)是缺失的。過去很多研究,基于歷史或是政治的原因傾向于不把西藏納入分析,本文中因考慮到西藏的大體的經(jīng)濟環(huán)境可能于新疆類似,因而使用了新疆的CPI作為西藏的CPI。在這里,需強調(diào)的是,在這里,我們將使用交通成本消費價格指數(shù)作為汽車使用成本的代理變量。而這個消費價格指數(shù)包括交通包括車用燃料,零配件,維修費等。同時,關(guān)于汽車的限購限用的政策,截止到2013年有六個城市采取了不同的汽車限購限用的政策,這六個城市包括北京,上海,廣州,天津,石家莊,貴陽。之后2014年,又有深圳和杭州兩個城市加入到這一政策名單中。為了便于分析限購限用對汽車擁有量的影響,我們假設(shè)如果一個省份中有一個城市采取這一政策,就認為整個省份采取了這政策。而因這一假設(shè),估計的結(jié)果可能會放大該政策的效果。我們可以發(fā)現(xiàn)高城市化水平組往往有較高的人均私人汽車擁有量、人均GDP、道路橋梁投資以及公共交通投資。在高城市化組中,201 3年北京的人均GDP,24480元是各省份最高的,同時其人均私人汽車擁有量是0.2,,而在低城市化組中,人均GDP最低的省是貴州,才5248元,其人均私人汽車擁有量是0.047。另外,在高城市化組中,江蘇在2012年是投資于道路橋梁和公共交通最多的和第二多的省份,其金額分別為4.3907億,1.9億。而低城市化組中,,投資道路和橋梁和公共交通最多的省份四川才分別是3.0408億和5466萬。而另一方面,這些高城市化組往往卻又有較高的人均所占道路長度,,較高的人口密度和道路密度。2013年,上海的人口密度為3777.78人/平方公里,而西藏的則是2.51人/平方公里,上海的人口密度是西藏1506倍。與此同時,2013年上海的道路密度2公里/平方公里比低城市化組中道路密度最高的河南省,1.50公里/平方公里,高出一點。同時高城市化組中,私人汽車密度最低的福建省27.89輛/公里,依舊比低城市化組中汽車密度第二高河南省,23.24輛/公里,高出一些。另外,截止到2014年末,已經(jīng)有7個城市采用了汽車限購和限用的政策,而這7個城市中有6個在高城市化組�；趯τ谒饺私煌üぞ叩男枨罄碚摲治�,以及基于不同模型的比較分析,我們最終選擇關(guān)于私人汽車擁有量的對數(shù)的模型,其具體表示如下：lnYjt=β0+β'lnX'jt+β1t+β2policyjt+β3urbanjt+ηj+εjt (1)其中Yjt表示j省在t年的人均私人車輛擁有量,X'jt表示j省在t年的影響Yjt的一系列特征變量,包括汽車的價格price,道路基礎(chǔ)設(shè)施的投資infral,公共交通運輸?shù)耐顿Yinfra2,道路密度rdensity,人口密度pdensity,城市化水平urban,時間趨勢變量t則是用于捕捉隨時間變化而難以觀察的變量,汽車限購限用政策policyjt是一個虛擬變量(0或1)表示j省在t年采用汽車限購限用的政策,η i表示難以觀察到的反映各省差異的變量,如各省不同的地理特征,εit表示觀察誤差。方程(1)是本文基本的計量回歸模型,在沒有考慮內(nèi)生性的情況下,對上述方程進行最小二乘法和固定效應(yīng)模型估計,結(jié)果將是有偏的也是非一致的。在回歸方程中可能會有關(guān)的變量,如各省區(qū)汽車燃料供應(yīng)的稟賦差異等。在實際建模過程中無法將解釋變量全部列出,在這樣的情況下,遺漏的變量的影響就被納入了誤差項中,在該遺漏變量與其他解釋變量相關(guān)的情況下,就引起了內(nèi)生性問題。遺漏變量導致的偏誤方向和遺漏的變量本身有關(guān),即如果是遺漏了對因變量有正向影響的變量,則會造成估計結(jié)果的高估。本文將使用靜態(tài)面板模型,并提出動態(tài)面板模型分析的可能性。在靜態(tài)面板模型中使用工具變量法進行估計,我們主要是從兩個方面著手尋找工具變量(IV)來控制和解決相關(guān)變量的內(nèi)生性問題：第一種是許多文獻通常采用的滯后期工具變量,另一種方法是尋找外部工具變量。在本文中第一種方法,我們采用的基礎(chǔ)設(shè)施投資的滯后期作為其工具變量,而在第二種方法中,我們將道路路燈數(shù)作為基礎(chǔ)設(shè)施投資的外部工具變量。道路橋梁基礎(chǔ)設(shè)施的投資很有可能是路燈數(shù)量的函數(shù),在本文中我們把人口密度作為其工具變量,同時我們還發(fā)現(xiàn),道路兩邊的路燈的數(shù)量與道路橋梁投資有很大的相關(guān)性,同時它與汽車擁有量的直接的相關(guān)性表現(xiàn)的似乎又是不明顯�；谝陨系脑�,我們將路燈數(shù)量作為道路橋梁基礎(chǔ)設(shè)施投資的外生的工具變量。而且經(jīng)過測試,這兩個工具變量的適當?shù)?不存在過度識別,識別不足以及弱工具變量的問題。而對于動態(tài)面板模型,任何經(jīng)濟因素變化本身均具有一定的慣性,前一期結(jié)果往往對后一期有一定影響。中國各省私人汽車擁有量很可能存在滯后效應(yīng),引入動態(tài)模型滯后項可以較好地控制滯后因素。對動態(tài)面板模型的估計可以使用差分GMM和系統(tǒng)GMM。LnYjt=γLnYjt-1+β0+β'1LnX1'jt+β2policy'jt+β3urbanjt+β3t+ηj+εjt (2)△LnYit=γ△LnYit-1++β'1△LnX1'it+β2△policy'it+β3△urbanit+△εjt (3)Arellano and Bond(1991)假設(shè)殘差項的一階差分△εjt與解釋變量的水平項(滯后2期及以上)都不相關(guān),即可以得到一階差分的矩條件,并且該假設(shè)條件的滿足需要差分方程(3)式的殘差項不存在二階序列相關(guān)。我們也將在實證中給出該檢驗。Blundell and Bond(1998)提供的差分GMM和系統(tǒng)GMM估計量進行了估計,而GMM估計量的一致性有一個重要的前提,即一次差分以后的擾動項不存在二階序列相關(guān),但是一階序列相關(guān)是允許的。對此我們使用David Roodman(2006)提供的xtabond2程序進行估計,檢驗結(jié)果表明,差分GMM和系統(tǒng)GMM估計都不能拒絕模型沒有二階序列相關(guān)的原假設(shè),因此差分GMM和系統(tǒng)GMM估計量是一致的。同時,我們通過Hansen測試檢驗考察了工具變量的有效性,Hansen測試檢驗的原假設(shè)為所選工具變量是有效的,檢驗結(jié)果顯示,Hansen檢驗不能拒絕原假設(shè)。因此,差分GMM和系統(tǒng)GMM估計是有效的’動態(tài)差分模型的好處在于：第一,在模型回歸方程中可能遺漏的變量大多和私人汽車擁有量相關(guān),如某省的汽車消費習慣等,而這些因素一般隨時間變化是比較小的。取差分后能夠消除掉這些不隨時間變化的變量和個體非觀測效應(yīng),從而能夠部分地解決遺漏變量問題。對于時變而且對各省區(qū)都造成類似影響的事件,如汽車性能及技術(shù)的升級等,可以通過加入時間虛擬變量來控制。第二,差分能夠消除反向因果關(guān)系。系統(tǒng)GMM估計的好處有：第一,對于存在非時變的遺漏變量問題,該估計將不再是有偏的。第二,在估計模型的右邊存在內(nèi)生變量時,工具變量的使用會使得系數(shù)的估計是一致的。因此,本文也將使用動態(tài)面板中的差分GMM和系統(tǒng)GMM進行估計。靜態(tài)面板中的固定效應(yīng)模型是除去組內(nèi)均值的回歸,動態(tài)面板模型不論是差分還是系統(tǒng)廣義矩估計都包含有對一階差分模型的估計,因此,這些估計方法都可以消除個體非觀測效應(yīng)。隨時間變化的因素所發(fā)生的影響,這些時間非觀測效應(yīng)對各省區(qū)的影響是類似的,作用大小會略有差別,可以通過加入時間虛擬變量捕捉這種變化的影響。但就本文而言,不管是固定效應(yīng)模型,還是GMM模型,本文采用相關(guān)研究中常用的方法,加入時間趨勢變量(t),以控制政策和相關(guān)汽車技術(shù)改良等對所有省私人汽車擁有量的共同影響’為了進一步分析各省私人汽車擁有量的差異化發(fā)展,我們根據(jù)2013年的各省的城市化水平,將31個省份分成高城市化水平組(0.6以上),中等城市化水平組(0.5-0.6)以及低城市化水平組(0.5以下)三組。高城市化水平組的省份包括北京、上海、天津、廣東、浙江、江蘇、遼寧、福建,而中等城市化水平組包括吉林、山東、山西、內(nèi)蒙古、重慶、黑龍江、湖北、海南、陜西、寧夏,而低城市化水平組包括江西、青海、湖南、西藏、新疆、河北、安徽、四川、廣西、河南、云南、甘肅、貴州。我們可以發(fā)現(xiàn)不同組的一些特征。高城市化水平組有較高的人均私人汽車擁有量、人均GDP、道路橋梁投資以及公共交通投資。而另一方面,這些高城市化水平組卻又有較高的人均所占道路長度,,較高的人口密度和道路密度。另外,截止到2014年末,已經(jīng)有7個城市采用了汽車限購和限用的政策,而這7個城市中有6個在高城市化水平組。總而言之,以上這些特征從經(jīng)濟環(huán)境、基礎(chǔ)設(shè)施、人口特征以及監(jiān)管環(huán)境四個方面反映了各省份的人均私人汽車擁有量的不同發(fā)展趨勢。為了分析私人汽車擁有量的可能發(fā)展趨勢,以及如何維持其理性的增長,在此我們將整個31個省份組與高城市化組進行了比較分析。對比兩組比較結(jié)果,我們發(fā)現(xiàn)城市化水平高的省份,人均GDP的增長的速度比私人汽車擁有量增長的速度快,而低城市化水平的省份,人均GDP彈性會向城市化水平高省份的彈性趨近。城市化水平高的省份公路網(wǎng)往往著更高的效率,它能夠容納更多的車輛。同時,道路和橋梁和投資與私人車輛擁有量之間呈現(xiàn)的是正相關(guān)。另外,城市化水平提高確實能使得人均私人汽車擁有量增加,但是這種增加并非盲目的。同時,相對于其他省份,在高城市化省份的人們對于時間成本和汽車使用成本相對敏感,在同等的情況下,他們更可能選擇不以私家車的形式出行。還有在大城市里,基礎(chǔ)設(shè)施建設(shè)及投資能刺激并帶動私人汽車的消費,但是同時也能推動公共交通的發(fā)展。伴隨著公共交通系統(tǒng)不斷優(yōu)化,私人汽車的增長趨勢將得到相應(yīng)的抑制。另外,當前一些欠發(fā)達省份的公共交通服務(wù)質(zhì)量依舊無法與私家車所帶來的方便相抗衡。對于那些城市化水平高的省份,車輛使用成本,如停車費、牌照費、燃油費、車的保險和維修以及為找停車場的浪費的時間成本在汽車擁有量增長的過程中扮演著越來越重要的角色。對于汽車限用限購的政策,目前有7個城市采取這一政策,盡管各不完全相同,其中有6個城市在高城市化省份。表明,城市化水平的省份,會更傾向于使用這一政策,同時在保持其他因素不變的情況下,一個省份采取了這政策會使得人均私人汽車擁有量大約降低0.407個百分點。基于實證結(jié)果的分析,向政府及相關(guān)部門提供解決私人汽車擁有量快速增長的問題的政策性建議,以便更好的應(yīng)對因這種增長所引發(fā)的負外部性。具體為如下所示：首先,針對一些省份或城市對于汽車使用的成本的不敏感,當?shù)卣芍鸩揭肫嚀矶露▋r收費的機制,以有效控制汽車的增長,并相應(yīng)減少交通擁堵。其次,加大對于公共交通的投資及建設(shè),提升其服務(wù)質(zhì)量,為旅客帶來更為便利舒適的服務(wù),以吸引更多的旅客選擇選擇以公共交通工具出行。這可能與目前我國公共交通公共設(shè)施不完善有關(guān)。政府管理部門應(yīng)著眼于全局和長遠,一方面科學規(guī)劃加快交通基礎(chǔ)設(shè)施的建設(shè)步伐,另一方面加大補貼力度提高服務(wù)質(zhì)量鼓勵居民選擇公共交通的出行方式。最后,如果將行政手段與經(jīng)濟手段結(jié)合在一起,汽車限用限購的政策對于汽車擁有量的增長效果會更好。行政手段目前主要表現(xiàn)為單號雙號牌照的政策性限行。而經(jīng)濟手段則是通過對汽車牌照數(shù)量定量發(fā)行,競價拍賣。同時國家是否要對私人汽車的購買和使用進行干預,要視不同地區(qū)而定,且要保持適度。國家在實行限購限用政策時,結(jié)合固定資產(chǎn)投資方向的調(diào)整,更加有利于政策目標的實現(xiàn)總而言之,近年來,頻繁頒布的針對新能源汽車的優(yōu)惠政策以及不斷有新的城市加入到汽車限購限用的名單中,都表明了中國政府強大決心去解決私人汽車擁有量快速增長的問題及其增長所引發(fā)的負外部性問題。
【關(guān)鍵詞】：私人汽車擁有量 汽車限購 城市化水平 公共交通
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F224;F426.471
【目錄】：

• ABSTRACT5-10
• 1. INTRODUCTION10-13
• 1.1 BACKGROUND10-11
• 1.2 OBJECTIVE OF THE RESEARCH11
• 1.3 OUTLINE OF THESIS11-13
• 2. MODELLING METHODOLOGY LITERATURE REVIEW13-25
• 2.1 AGGREGATE MODELS13-16
• 2.2 DISAGGREGATE MODELS16-18
• 2.3 SUMMARY18-25
• 3. HISTORICAL PATTERNS25-32
• 3.1 FACTORS INFLUENCING MOTOR VEHICLE GROWTH25-29
• 3.1.1 Population growth26-27
• 3.1.2 Urbanization27-28
• 3.1.3 Economic development28-29
• 3.1.4 Summary29
• 3.2 VARIANCE DEVELOPMENT AMONG PROVINCES29-32
• 4. VEHICLE LIMITATATION32-38
• 4.1 SHANGHAI33-34
• 4.2 BEIJING34-36
• 4.3 SUMMARY36-38
• 5. THEORICAL HYPOTHESIS38-42
• 6. DATA AND DESCRIPTIVE STATISTICS42-46
• 6.1 DATA42-43
• 6.2 DESCRIPTIVE STATISTICS43-46
• 7. EMPIRICAL MODEL46-54
• 7.1 FIXED AND RANDOM EFFECTS MODELS49
• 7.2 OMITTED VARIABLES AND ENDOGENEITY49-52
• 7.3 HETEROSCEDASTICITY AND SERIAL CORRELATION52-54
• 8. EVALUATION OF THE MODELS54-61
• 8.1 COMPARISON BETWEEN MODELS54-57
• 8.2 COMPARISON BETWEEN GROUPS57-61
• 9. CONCLUSION61-63
• 10. POLICY IMPLICATION63-65
• REFERENCE65-70
• APPENDIX A 中文摘要70-77
• APPENDIX B ACADEMIC PAPERS PUBLISHED77-78
• ACKNOWLEDGEMENTS78

，

本文編號：525819