作者及简介
作者：
周德群1，2，赵斯琪1，2，周婧颖3，刘欣颖3，丁浩1，2
作者单位：
1.南京航空航天大学 经济与管理学院，江苏 南京 210016
2.南京航空航天大学 能源软科学中心， 江苏 南京 210016
3.南京航空航天大学 数学学院，江苏 南京 210016
作者简介：
周德群(1963—)，男，江苏盐城人，南京航空航天大学经济管理学院教授，博士生导师，教育部长江学者特聘教授，研究方向为管理科学与工程。
论文相关信息
中图分类号：
F426.2
文献标识码：
A
文章编号：
1673-5595(2023)05-0034-11
DOI：
10.13216/j.cnki.upcjess.2023.05.0004
摘要及关键词
摘要：
相对贫困已经成为中国贫困的主要表现形式。在能源领域，中国已消除初级阶段的绝对能源贫困，但用能水平低、用能结构差、用能能力弱等现象所反映的相对能源贫困问题仍广泛存在。基于能源贫困定义和相关理论分析，从可获得性、可负担性、可靠性和可持续性4个维度构建相对能源贫困指数，对2010—2021年中国各省份相对能源贫困水平进行测度；并利用 k -means 算法对各省份相对能源贫困水平进行聚类，根据数据特征提出了分区域、分等级的相对能源贫困预警标准。结果显示，在时间演化方面，2010—2021年间全国平均相对能源贫困指数呈下降趋势；在空间分布方面，相对能源贫困水平呈现“西高东低，北高南低”的特征，吉林、黑龙江、贵州、西藏、甘肃、青海和宁夏7个省份为能源贫困红色预警区域。据此，提出政策建议：(1)构建相对能源贫困治理过渡保障机制；(2)建立相对能源贫困区域一体化削减体系；(3)完善相对能源贫困动态分区分级阶段性预警标准。
关键词：
相对能源贫困；多维指数；统计测度；分级预警
一、 引言
贫困问题是人类面临的共同挑战，消除贫困是可持续发展议程的首要目标。[1]作为最大的发展中国家，中国始终把脱贫攻坚摆在治国理政的突出位置。2020年底，消除绝对贫困的艰巨任务已顺利完成，但相对贫困仍是经济社会发展进程中长期存在的社会问题。[2]能源不仅是经济发展的动力，也是扶贫的重要支撑，能源贫困已经成为贫困问题的重要组成部分。
能源贫困作为一种典型的贫困现象，已成为能源领域的热点问题。根据国际能源署（IEA）对能源贫困的定义，认为能源贫困就是一个国家缺乏电力、清洁燃料和能源设施，以及家庭对常规燃料的高度依赖。[3]2019年，全球约7.7亿人无法获得电力（占世界人口的10%），约26亿人无法获得清洁燃料（占世界人口的 34%）。[4]随着新冠肺炎疫情的爆发，能源贫困问题也日渐严峻。[5]能源贫困在制约可持续发展的同时，也阻碍了中国的现代化进程。2015年，中国全面完成无电地区电力建设工程，为4000万无电人口提供了用电保障，标志着中国已彻底告别初级阶段的能源贫困。[6]然而，“人人有电用”仅解决了绝对能源贫困问题，用能水平低、用能结构差、用能能力弱等现象所反映的相对能源贫困问题仍广泛存在。
本研究以“现代化” “能源” “贫困” 等为主题，对二十大报告进行检索和词频分析，挖掘出其中的关键词，如图1所示。由图1可知，更深层次的相对能源贫困问题，是关系人口规模巨大、关系全体人民共同富裕、关系人与自然和谐共生、关系物质文明和精神文明相协调的重大问题。在“力争2030年前实现碳达峰，2060年前实现碳中和”发展目标的倒逼下，中国相对能源贫困问题亟需解决。
图1 二十大报告中现代化、能源、贫困等主题关键词
本研究旨在对中国省级相对能源贫困进行统计测度，评估2010—2021年中国各省相对能源贫困现状，识别相对能源贫困时空演化趋势，提供相对能源贫困监测预警工具，为相对能源贫困治理提供科学支持和政策建议。在具体研究过程中，拟解决两个主要问题。（1）相对能源贫困多维测度。相对贫困治理应是涉及经济、政治、文化、社会、生态各领域的重大系统工程，相对贫困标准也应是多维的。[7]在相对能源贫困测度方法选择方面，将采用多维指标测算相对能源贫困指数。（2）相对能源贫困分区分级预警。由于中国各省各区域在经济、资源、技术等方面存在巨大差异，相对能源贫困的分区分级将涉及区域间的公平与效率问题。因此，在相对能源贫困预警标准制定方面，将基于数据特征进行分区分级预警。
二、文献综述
能源贫困是可持续发展管理与宏观政策研究的重要领域之一，受到学术界、各国政府和国际组织的高度关注。[8]随着社会经济的发展，能源贫困的内涵也在不断丰富，现有能源贫困定义多种多样。能源贫困的概念起源于20世纪90年代英国的燃料贫困治理。[9]基于能源可获得性，Boardman[10]将能源贫困定义为家庭无力支付足够的能源服务，Hills[11]则认为能源贫困对应于“低家庭收入高能源成本”。在能源转型的推动下，能源产品或服务的清洁性开始受到重视。IEA（2002）将能源贫困定义为一个国家缺乏电力、清洁燃料和能源设施，以及家庭对常规燃料的高度依赖[3]；Wang 等[12]认为能源贫困的定义因国家发展水平而异，提出能源贫困对于发展中国家而言是缺乏获得现代能源服务的机会，而对于发达国家而言则是由于能源成本高、家庭收入低和能源使用效率低等原因对家庭造成负面影响。
相对贫困标准应是多维的，必须构建多维指标体系对能源贫困进行综合测度。[13]IEA（2010）构建了能源发展指数（EDI），并对发展中国家在现代能源获取方面的进展进行了排名；[14]Banerjee等[15]综合能源需求、可再生资源占比、电力获取、电能消耗4个维度构建了一个新的、包容的、多维的能源贫困指标体系；Kocak等[16] 在此基础上增设了清洁燃料和烹饪技术获取方面的指标。基于中国国情，由能源服务可用性（ESA）、能耗清洁度（ECC）、能源管理完整性（EMC）、家庭能源可承受性和能效（EAE）所构成的能源贫困测度指标体系被广泛应用。[17-18]对于能源贫困标准的衡量，目前主流的有能源贫困线法和低收入高成本法，前者将能源消费占家庭收入的比例高于10%的家庭定义为能源贫困家庭[19-20]；后者为避免高收入、能源消耗过多的家庭被误认为能源贫困家庭，在前者基础上增加了最低收入标准[21]。
综合上述研究可知，目前相对能源贫困测度研究尚存在三方面不足。（1）在样本选择方面，相关研究主要集中在家庭层面，省级能源贫困测度研究较少。由于中国区域间发展不平衡，能源贫困的省间差异较为突出，省级能源贫困的测度能够为宏观政策设计提供指导，有助于提高政策设计的公平性与效率。（2）在测度方法方面，指标体系构建及权重设置存在较大的主观性。指标主要集中在绝对能源贫困测度方面，测度相对能源贫困的指标较少。（3）在评价标准方面，10%的能源贫困线阈值无法体现相对能源贫困中对现代清洁能源的要求和区域的异质性特征。在能源贫困的预测与动态监测方面存在一定的研究空白，尤其是考虑区域异质性的差异化预警策略研究不足。
三、多维相对能源贫困测度指标体系
（一）指标体系构建
根据IEA对于能源贫困的定义，本研究从能源服务的可获得性、可负担性、可靠性和可持续性4个维度出发，构建中国省级相对能源贫困测度指标体系，并将这4个维度指标作为一级指标。从系统论角度出发，将经济发展、能源生产、能源供应等12个指标设为二级指标。结合国内外能源贫困现状及相关研究，共选取 32 项三级指标。最终，构建了中国省级相对能源贫困测度指标体系，如表1 所示。
表1 中国省级相对能源贫困测度指标体系
（二）指标说明
可获得性反映的是能源产品和服务的供给能够满足一定需求水平。本研究以地区生产总值、地区经济增速和地区第二产业占比来衡量该地区经济发展状况，以天然气产量和电力产量来反映地区能源生产状况，以天然气供气量及管道长度反映地区能源供应状况。[16]其中，第二产业占比为正向指标，即第二产业占比越高，该地区相对能源贫困程度越高。
可负担性反映的是能源产品和服务能够被需求侧支付的程度。本研究以城镇化率、城镇低收入家庭占比、农村低收入家庭占比反映社会结构特征，以城镇居民和农村居民人均可支配收入反映收入水平，以能源消费总量、天然气消费量、电力消费量、全社会用电量和农村用电量反映能源消费，以天然气用气人口、城镇用气普及率、城镇居民和农村居民平均每百户年末空调拥有量反映能源普及情况。[17]其中，城镇和农村低收入家庭占比为正向指标，即低收入家庭越多，相对能源贫困程度越高。
可靠性反映的是能源产品和服务的安全与稳定，以电力产品和服务为主。本研究分别从供电可靠率和居民平均每户停电时间角度，测度供电质量和安全事故发生率。[22]其中，居民平均每户停电时间均为正向指标，即停电时间越长、故障率或事故率越高，相对能源贫困程度越高。
可持续性反映的是能源产品和服务的可持续，侧重清洁和环境友好。本研究以能耗强度、可再生能源装机容量和清洁能源发电占比反映能源结构，以环保财政支出占比和污水日处理能力反映环境保护，以废水、废气排放量反映污染排放。[23] 其中，能耗强度为创造单位 GDP 所消耗的能量，为正向指标；废水、废气排放量均为正向指标，不利于减缓相对能源贫困。
四、中国省级相对能源贫困测度
（一）数据来源及预处理
本研究所使用的数据为中国2010—2021年的省级面板数据，数据主要来源于《中国统计年鉴》《中国能源统计年鉴》和《中国电力年鉴》的年度数据，国家能源局、中国电力企业联合会等平台的统计数据，以及相关文献资料中的公开数据。由于数据可获得性原因，未将港澳台地区纳入测度范围。
对于缺失数据，本研究采用外推插值法进行补全，通过R语言实现。采用SPSS软件对面板数据进行描述统计，结果如表2所示。为了减少由于量纲不同而带来的误差，在数据分析前使用极差归一法将数据标准化。
对于正向指标：
对于逆向指标：
表2 数据描述性统计
续表2
（二）中国省级相对能源贫困测度结果分析
本研究采用均权法对32项三级指标进行赋权，通过均权综合评价得到2010—2021年中国各省相对能源贫困指数，如表3所示。
从相对能源贫困时间演化看，2010—2021年间全国平均相对能源贫困指数呈现下降趋势，如图2所示。2019年前，全国平均相对能源贫困指数稳步下降，这一时期中国正着力摆脱绝对能源贫困，脱贫成果显著。2019—2020年，全国平均相对能源贫困指数下降速度减缓，脱贫攻坚进入关键时期。2021年起，全国平均相对能源贫困指数快速下降，在消除绝对贫困后，减贫重点转向相对能源贫困治理，在新的政策方向上，亟需建立解决相对能源贫困问题的长效机制，以推动减贫战略和工作体系平稳转型。
表3 2010—2021 年中国各省相对能源贫困指数
续表3
图2 2010—2021 年间全国平均相对能源贫困指数变化
从相对能源贫困空间分布来看，相对能源贫困指数呈现“西高东低，北高南低” 的特征，如图3 所示。除西藏地区外，其他30个省份的相对能源贫困指数均呈现不同程度的降低。以上海、江苏、浙江、山东为主的东部地区相对能源贫困程度较低，一方面，该地区经济基础强大，贫困基数小；另一方面，该地区能源转型水平领先，清洁化程度高。北方地区作为传统工业基地，能源消耗量大，能源结构偏煤，且北方居民冬季取暖需求高，以燃煤燃气为主的生产生活方式难以转变，因此相对能源贫困程度较高。
图3 中国各省相对能源贫困空间分布
进一步分析相对能源贫困在可获得性、可负担性、可靠性和可持续性方面的特征，有助于识别相对能源贫困成因，探索相对能源贫困治理方向。如图4—图7 所示，对比各个省份在相对能源贫困4个二级指标方面的表现，可以看出：能源可获得性方面的省间差距最为突出，江苏、四川、广东、北京和山东表现较好；而能源可靠性方面的省间差距较不明显，西藏地区的可靠性得分落后于其他省份。对比2010年和2021年各省份在各维度的表现，可以看出：受自身经济基础影响，东南沿海地区和四川在能源可获得性及可负担性方面的提升较大；四川、云南、内蒙古、新疆等可再生能源资源丰富的地区，在可再生能源装机、清洁能源发电和能耗结构方面有明显转变，因此这些地区的可持续性得分有较大改善。
图4 中国各省能源可获得性水平
图5 中国各省能源可负担性水平
图6 中国各省能源可靠性水平
图7 中国各省能源可持续性水平
五、中国省级相对能源贫困预警
（一）基于 k-means 算法的相对能源贫困分级
k-means 聚类算法是一种无监督机器学习方法，以文本相似度为基础进行数据特征挖掘，使得相同类别样本之间的相似度高，不同类别之间的样本相似度低，以实现数据特征的分割、提取和描述。[24]
本研究基于均权综合评价得到31个省份2010—2021年的相对能源贫困指数，使用 k-means 算法进行聚类分析。首先，聚类前需要指定生成的簇族数量。从图8的碎石图结果可以看出，当簇族数量为4时，折线由陡峭变得平稳，特征根值较大且变化较显著，累计方差解释贡献率较大。因此，本研究将聚类簇族数量设为4，即根据相对能源贫困指数将31个省份分为4类。
使用 Python 语言进行 k-means 聚类分析，对2010—2021年各省相对能源贫困排名进行聚类，最终得到了如图9所示的相对能源贫困分级预警结果，各个预警等级所涉及的区域则如表4 所示。其中，绿色预警区域包括北京、河北、上海、江苏、浙江、山东、广东和四川，共8个省份；蓝色预警区域包括天津、辽宁、安徽、福建、河南、湖北、湖南、重庆和陕西，共9个省份；黄色预警区域包括山西、内蒙古、江西、广西、海南、云南和新疆，共 7 个省份；红色预警区域包括吉林、黑龙江、贵州、西藏、甘肃、青海和宁夏，共7个省份。
图8 碎石图
图9 k-means 聚类结果
表4 相对能源贫困预警结果
（二）中国省级相对能源贫困预警结果分析
基于聚类结果，本文绘制了中国省级相对能源贫困分区分级预警地图，如图10所示（ 港澳台地区因数据获取问题未纳入分析范围，在图中未进行标注）。从图中可以看出，相对能源贫困等级最低的绿色预警区域集中在东南沿海地区，相对能源贫困等级较低的蓝色预警区域以中部地区为主，相对能源贫困等级较高的黄色和红色预警区域基本分布在东北、西北和西南地区。从地理分布来看，相对能源贫困总体呈现“ 西高东低，北高南低”的特征。
图10 相对能源贫困预警地图
分区域来看，各等级的预警区域在相对能源贫困时间演化方面呈现不同的趋势。在绿色预警区域，相对能源贫困指数在0.27—0.57之间波动性下降，但省间差距较大，江苏和广东的相对能源贫困水平显著低于同区域内其他省份，如图11（a）所示。在蓝色和黄色预警区域，相对能源贫困指数分别在0.44—0.58和0.49—0.66之间呈现下降趋势，但省间差距明显缩小，不存在相对能源贫困治理明显领先的省份，如图11（b）和（c）所示。在红色预警区域，相对能源贫困指数在0.57—0.70之间分布，除西藏地区外，其他6个省份的相对能源贫困均有减缓趋势，西藏地区的相对能源贫困治理成效尚不显著，如图11（d）所示。
红色预警区域是相对能源贫困治理的重点区域。对于红色预警区域内的省份，分析其相对能源贫困薄弱环节，将有助于精准识别各省份相对能源贫困成因，明确各省份相对能源贫困治理方向。红色预警区域内各省份的可获得性、可负担性、可靠性和可持续性4个维度水平变化趋势如图12所示。相对能源贫困程度最高的西藏地区，其能源可获得性和可靠性的相对落后是导致其相对能源贫困指数不降反升的主要原因，该地区虽已全面完成电力工程建设，但供电质量有待提升。吉林和青海，其能源可获得性限制了相对能源贫困的改善，这主要受经济发展和能源生产制约。甘肃，其能源可负担性是该地区相对能源贫困的主要成因，该地区城镇化水平较低，城乡收入和能源消费差距较大。宁夏、黑龙江和贵州，其相对能源贫困主要表现在可持续性方面，该地区用能结构较差，环境治理能力较弱。
图11 预警区域相对能源贫困指数变化
图12 红色预警区域各维度水平变化
六、结论与建议
基于上述分析，本研究得到了以下三方面结论：（1）在相对能源贫困时间演化方面，2010—2021年间全国平均相对能源贫困指数呈现下降趋势，总体上经历了“稳步下降—降速减缓—快速下降” 的过程，体现了绝对能源贫困治理时期、脱贫攻坚关键时期和相对能源贫困治理转型时期的不同能源贫困特征；（2）在相对能源贫困空间分布方面，相对能源贫困指数呈现“西高东低，北高南低” 的特征，经济基础较好、能源转型领先的东南沿海地区和中部地区的相对能源贫困程度明显低于西北、东北和西南地区；（3）吉林、黑龙江、贵州、西藏、甘肃、青海和宁夏7个省份为相对能源贫困红色预警区域，红色预警区域内各省份相对能源贫困薄弱环节存在差异，西藏地区在可获得性和可靠性方面表现较差，吉林和青海受可获得性方面制约，甘肃受可负担性影响，宁夏、黑龙江和贵州可持续性不足是相对能源贫困主要成因。
结合上述结论，本研究提出以下三点促进相对能源贫困治理、推动能源转型的对策建议。
（1）构建相对能源贫困治理过渡保障机制。2020年底，脱贫攻坚任务完成，相对能源贫困成为能源领域贫困的主要表现形式。在政策方向由绝对能源贫困治理向相对能源贫困治理转变的过渡阶段，相对能源贫困指数呈现降速减缓趋势。能源贫困治理的重点和难点从显性的绝对能源贫困转向更加隐蔽的相对能源贫困，治理难度和治理要求显著提高，减贫政策应在巩固脱贫攻坚成果的基础上进行转型和调整。在贫困治理任务和政策的转型过渡期，亟需构建相对能源贫困问题的长效治理机制，推动减贫战略和工作体系平稳转型。
（2）建立相对能源贫困区域一体化削减体系。由于区域间发展水平和用能水平差异的存在，中国省级相对能源贫困指数呈现“西高东低，北高南低” 的特征。在相对能源贫困治理领先的东部和南方地区，应率先建立区域一体化减贫体系。在相对能源贫困治理相对落后的西部和北方地区，分省份、分阶段推进区域一体化减贫体系建设。在全国范围内削减相对能源贫困，需要各省充分发挥各自在经济、技术和资源等方面的优势，加强在碳市场和绿证市场上的区域协同，进一步缩小差距，实现共享共治。
（3）完善相对能源贫困动态分区分级阶段性预警标准。精准识别相对能源贫困区域和相对能源贫困薄弱环节，这是相对能源贫困治理面临的挑战。目前，10%的能源贫困线阈值无法体现相对能源贫困中对现代清洁能源的要求和区域的异质性特征。因此，应充分考虑相对能源贫困内涵的动态发展，结合相对能源贫困在空间上的异质性和时间上的动态性，建立分区分级预警标准，合理设定相对能源贫困线，以精准识别贫困发生状况。
参考文献
[1]Baloch M A，Danish，Khan S U-D，et al.Analyzing the Relationship between Poverty，Income Inequality，and CO2 Emission in Sub-Saharan African Countries[J].Science of The Total Environment，2020，740：139867.
[2]裴劲松，矫萌.劳动供给与农村家庭多维相对贫困减贫[J].中国人口科学，2021(3)：69-81.
[3]Energy and Poverty：IEA Reveals a Vicious and Unsustainable Circle[EB/OL].(2002-08-21)[2023-05-10].https：//www.iea.org/news/energy-and-poverty-iea-reveals-a-vicious-and-unsustainable-circle.
[4]World Energy Outlook 2020[EB/OL].[2023-05-10].https：//www.iea.org/reports/world-energy-outlook-2020.
[5]World Energy Outlook 2022[EB/OL].[2023-05-10].https：//www.iea.org/reports/world-energy-outlook-2022.
[6]国务院新闻办就能源行业决战决胜脱贫攻坚有关情况举行发布会[EB/OL].(2020-10-19)[2023-05-10].https：//www.gov.cn/xinwen/2020-10/19/content_5552484.htm.
[7]林闽钢.巩固拓展脱贫攻坚成果前瞻研究相对贫困治理问题[EB/OL].(2021-01-15)[2021-05-10].http：//www.npc.gov.cn/npc/c30834/202101/44ddc289ec5d4ba080763ba9962f0369.shtml.
[8]廖华，唐鑫，魏一鸣.能源贫困研究现状与展望[J].中国软科学，2015(8)：58-71.
[9]Sovacool B K.Fuel Poverty，Affordability，and Energy Justice in England：Policy Insights from the Warm Front Program[J].Energy，2015，93：361-371.
[10]Boardman B.Liberalization and Fuel Poverty[M].Oxford：Oxford University Press，2010.
[11]Hills J.Fuel Poverty：The Problem and its Measurement.Interim Report of the Fuel Poverty Review[R].London：Department of Energy and Climate Change， CASE Reports，2011.
[12]Wang Q，Kwan M-P，Fan J，et al.Racial Disparities in Energy Poverty in the United States[J].Renewable and Sustainable Energy Reviews，2021，137：110620.
[13]Churchill A S，Smyth R.Ethnic Diversity，Energy Poverty and the Mediating Role of Trust：Evidence from Household Panel Data for Australia[J].Energy Economics，2020，86：104663.
[14]Energy Poverty—How to Make Modern Energy Access Universal?[R/OL].[2023-05-04].https：//iea.blob.core.windows.net/assets/fdbdd604-de2c-4977-8a3f-20f93e68e738/HowtoMakeModernEnergyAccessUniversal.pdf.
[15]Banerjee R，Mishra V，Maruta A A.Energy Poverty， Health and Education Outcomes：Evidence from the Developing World[J].Energy Economics，2021，101：105447.
[16]Kocak E，Ulug E E，Oralhan B.The Impact of Electricity from Renewable and Non-renewable Sources on Energy Poverty and Greenhouse Gas Emissions (GHGs)：Empirical Evidence and Policy Implications[J].Energy，2023，272：127125.
[17]Dong K，Jiang Q，Shahbaz M，et al.Does Low-carbon Energy Transition Mitigate Energy Poverty? The Case of Natural Gas for China[J].Energy Economics，2021，99：105324.
[18]Wang K，Wang Y-X，Li K，et al.Energy Poverty in China：An Index based Comprehensive evaluation[J].Renewable and Sustainable Energy Reviews，2015，47：308-323.
[19]Fry J M，Farrell L，Temple J B.Energy Poverty and Retirement Income Sources in Australia[J].Energy Economics，2022，106：105793.
[20]Zhang D，Li J，Han P.A Multidimensional Measure of Energy Poverty in China and its Impacts on Health：An Empirical Study based on the China Family Panel Studies[J].Energy Policy，2019，131：72-81.
[21]Lin B，Wang Y.Does Energy Poverty Really Exist in China? From the Perspective of Residential Electricity Consumption[J].Energy Policy，2020，143：111557.
[22]Khandker S R，Barnes D F，Samad H A.Are the Energy Poor also Income Poor? Evidence from India[J].Energy Policy，2012，47：1-12.
[23]Zhao J，Dong K，Dong X，et al.How Renewable Energy Alleviate Energy Poverty?A Global Analysis[J].Renewable Energy，2022，186：299-311.
[24]杨善林，李永森，胡笑旋，等.K-MEANS算法中的K值优化问题研究[J].系统工程理论与实践，2006(2)：97-101.
本文刊载于中国石油大学学报（社会科学版）2023年第5期（庆祝建校70周年专刊），长按识别或扫描下方二维码查看原文，也可点击推文左下角“阅读原文”查看。
论文责编 | 曲 红
微信编辑 | 陈婷婷
微信责编 | 姜洪明
审 核 | 王旱祥
往
期
回
顾
01
余乐安等：基于模式匹配与深度学习的国际油价预测研究
02
周鹏等：碳排放权交易政策的微观效应探究——基于企业绿色创新及异质性视角
03
刘华东：守正创新，追求卓越，铸就本科教育的辉煌和品牌——中国石油大学建校70周年感怀
04
赓续七秩荣光 奋楫一流梦想——校长郝芳院士在中国石油大学建校70周年创新发展大会上的讲话
05
王勇：建设中国特色世界一流大学的探索与实践——中国石油大学(华东)的奋进历程及思考
06
奇技·美德·诗意——汪曾祺小说中的“手艺人”
07
李昊灿等：百年来中国共产党领导文艺工作的历程、经验与进路
08
中国石油大学学报“庆祝建校70周年专刊”出版
09
祝贺！石大学报（社科版）获评全国高校优秀社科期刊
10
吴成颂等：控股股东股权质押与企业ESG责任履行：抑制还是促进?