俱乐部收敛视角下非洲国家资源消费的特征与驱动因素分析

doi:10.3969/j.issn.1004-9479.2026.03.20240981

世界地理研究 ›› 2026, Vol. 35 ›› Issue (3): 37-50.DOI: 10.3969/j.issn.1004-9479.2026.03.20240981

俱乐部收敛视角下非洲国家资源消费的特征与驱动因素分析

龙婕¹(), 梁涵玮¹^,²(), 陈爽¹^,², 董亮³

^1.南京信息工程大学，地理科学学院，南京 210044
^2.南京信息工程大学，“一带一路”城市可持续发展研究院，南京 210044
^3.香港城市大学公共政策学系，香港 999077

收稿日期:2024-11-10 修回日期:2025-03-25 出版日期:2026-03-15 发布日期:2026-03-30
通讯作者: 梁涵玮
作者简介:龙婕（2001—），女，硕士研究生，研究方向为资源利用与可持续发展，E-mail：long.jie@nuist.edu.cn。
基金资助:
国家自然科学基金青年项目(42001240);国家自然科学基金国际（地区）合作交流项目(42161144003)

Analysis of resource consumption characteristics and driving factors in African countries from the perspective of club convergence

Jie LONG¹(), Hanwei LIANG¹^,²(), Shuang CHEN¹^,², Liang DONG³

^1.a. School of Geographical Sciences, 1b. Institute of "the Belt and Road" Urban Sustainable Development, Nanjing University of Information Science and Technology, Nanjing 210044, China; 2. Department of Public Policy, City University of Hong Kong, Hong Kong 999077, China

Received:2024-11-10 Revised:2025-03-25 Online:2026-03-15 Published:2026-03-30
Contact: Hanwei LIANG

摘要/Abstract

摘要：

在全球资源供需矛盾日益加剧的背景下，非洲国家作为资源消费的重要一环，深入分析其消费模式与驱动机制对于促进全球资源合理配置、助力非洲地区实现可持续发展目标具有深远意义。本研究基于1990—2022年非洲50个国家的资源消费数据，运用俱乐部收敛理论对非洲资源消费的收敛特性进行了系统识别，并结合STIRPAT模型，综合考量人口动态、经济状况、技术进步等多重因素对资源消费模式的复杂影响。研究发现：①非洲国家资源消费展现出显著的异质性，并形成三个收敛俱乐部与一个发散组，揭示了多样化的消费模式。②具体而言，俱乐部1呈现“高消费-低效率”特征，亟须强化资源管理与环境保护措施；俱乐部2呈现“中等消费-波动性”模式，强调经济政策稳定性与资源利用效率的双重提升；俱乐部3属于“低消费-高效率”类型，说明其面临优化资源管理策略以促进更高层次可持续发展的挑战。③STIRPAT模型进一步解析显示，人口增长、经济扩张及工业产出增加是推动非洲资源消费上升的关键驱动力，而技术进步则作为重要的制动因素，有效减缓了资源消耗速度。研究不仅为非洲国家量身定制差异化的资源管理策略提供了坚实的理论支撑，还针对各俱乐部特点，提出了具体的政策建议，旨在促进资源利用效率的提升，以加快非洲地区向可持续未来的转型步伐。

关键词: 资源消费模式, 俱乐部收敛, 驱动因素, STIRPAT模型, 非洲地区

Abstract:

Given the increasing global tension between resource supply and demand, analyzing the consumption patterns and driving mechanisms of African countries, as a crucial part of global resource consumption, holds profound significance for optimizing global resource allocation and supporting the sustainable development goals in Africa. This study employs club convergence theory to systematically identify the convergence characteristics of resource consumption across 50 African countries from 1990 to 2022. Additionally, the STIRPAT model is utilized to comprehensively evaluate the complex impacts of multiple factors, including population dynamics, economic conditions, and technological advancements, on resource consumption patterns. The findings reveal that: ①Resource consumption in African countries exhibits significant heterogeneity, forming three convergence clubs and one divergent group, highlighting diverse consumption patterns. ②Specifically, Club 1 is characterized by a "high consumption-low efficiency" pattern, urgently requiring strengthened resource management and environmental protection measures. Club 2 follows a "moderate consumption-volatility" pattern, emphasizing the need for both economic policy stability and improved resource use efficiency. Club 3 represents a "low consumption-high efficiency" pattern, facing challenges in optimizing resource management strategies to achieve higher levels of sustainable development. ③The STIRPAT model further demonstrates that population growth, economic expansion, and increased industrial output are the main drivers of rising resource consumption in Africa, while technological progress serves as a crucial mitigating factor, effectively slowing the pace of resource depletion. This study provides a theoretical foundation for tailored resource management strategies for African countries and offers specific policy recommendations based on the characteristics of each club.

Key words: resource consumption patterns, club convergence, driving factors, STIRPAT model, Africa

龙婕, 梁涵玮, 陈爽, 董亮. 俱乐部收敛视角下非洲国家资源消费的特征与驱动因素分析[J]. 世界地理研究, 2026, 35(3): 37-50.

Jie LONG, Hanwei LIANG, Shuang CHEN, Liang DONG. Analysis of resource consumption characteristics and driving factors in African countries from the perspective of club convergence[J]. World Regional Studies, 2026, 35(3): 37-50.

图/表 10

参考文献 39

[1]	ZEUFACK A G, CALDERON C, KAMBOU G, et al. Africa's Pulse: An analysis of issues shaping Africa's economic future-charting the road to recovery,World Banks, 2020.
[2]	Global Environment Outlook – GEO-6: Healthy planet, healthy people. UNEP, 2019.
[3]	FISCHER-KOWALSKI M, SWILLING M, VON WEIZSÄCKER E, et al. Decoupling natural resource use and environmental impacts from economic growth. UNEP, 2011.
[4]	HERTWICH E, VAN DER VOET E, TUKKER A. Global material flows and resource productivity. UNEP, 2016.
[5]	FAO.The State of Food Security and Nutrition in the World 2023: Urbanization, agrifood systems transformation and healthy diets across the rural–urban continuum. Food & Agriculture Organization, 2023.
[6]	D'AMOUR C, WENZ L, KALKUHL M, et al. Teleconnected food supply shocks. Environmental Research Letters, 2016, 11(3): 035007.
[7]	Outlook A E. Mobilizing private sector financing for climate and green growth in Africa. Abidjan: African Development Bank/Organization for Economic Cooperation and Development/United Nations Development Programme, 2023.
[8]	MEDINILLA, SERGEJEFF K. Scaling up African clean energy. Discussion paper 334, ECDPM, 2023.
[9]	ZAIDI S, GMIDEN S, SAIDI K. How energy consumption affects economic development in select African countries. Quality & Quantity, 2018, 52(1): 501-513.
[10]	BANINLA Y, LU Y, ZHANG Q, et al. Material use and resource efficiency of African sub-regions. Journal of Cleaner Production, 2020, 247: 119092.
[11]	WANG J, SHAN Y, CUI C, et al. Investigating the fast energy-related carbon emissions growth in African countries and its drivers. Applied Energy, 2024, 357: 122494.
[12]	LAHNAOUI A, VENGHAUS S, KUCKSHINRICHS W. Assessing the drivers of energy supply and demand in Sub-Saharan Africa. Energy Strategy Reviews, 2024, 54: 101483.
[13]	UNEP.Africa Environment Outlook 6: Towards Green Economies. UNEP, 2020.
[14]	AUTY R. The political economy of resource-driven growth. European Economic Review, 2001, 45(4-6): 839-846.
[15]	SACHS J, WARNER A. Natural resource abundance and economic growth. Harvard Institute for Nber Working Paper, 1995, 3: 54.
[16]	严思齐, 彭建超, 吴群. 中国工业用地利用效率收敛特征. 资源科学, 2018, 40(6): 1163-1174.
	YAN S, PENG J, WU Q. The convergence characteristics of industrial land use efficiency in China. Resources Science, 2018, 40(6): 1163-1174.
[17]	BAUMOL W J. Productivity growth, convergence, and welfare: What the long-run data show. American Economic Review, 1986, 76(5): 1072-1085.
[18]	HE Y, QIN R, WANG B. Consistent or inconsistent? The club convergence effect and matching degree analysis on energy consumption intensity and production density: Evidence from the data of 2000–2020 in China. Energy Strategy Reviews, 2023, 50: 101223.
[19]	王帮俊, 崔林玉. 城市人均能源消费时空差异及收敛性分析——基于中国243个地级城市数据. 资源与产业, 2023, 25(3): 31-41.
	WANG B, CUI L. Temporal-spatial variance and convergence of urban per capita energy consumption based on Chinas 243 prefectures data. Resources & Industries, 2023, 25(3): 31-41.
[20]	BIGERNA S, BOLLINO C, POLINORI P. Convergence in renewable energy sources diffusion worldwide . Journal of Environmental Management, 2021, 292: 112784.
[21]	ALATAS S, KARAKAYA E, SARI E. The potential of material productivity alongside energy productivity in climate mitigation: Evidence from convergence tests in the EU28. Resources Conservation and Recycling, 2020, 167: 105322.
[22]	DIETZ T, ROSA E. Rethinking the environmental impacts of population, affluence and technology. Human Ecology Review, 1994, 2(1): 277-300.
[23]	FISCHER-KOWALSKI M, KRAUSMANN F, GILJUM S, et al. Methodology and indicators of economy‐wide material flow accounting. Journal of Industrial Ecology, 2011, 15(6): 855-876.
[24]	PHILLIPS P, SUL D. Transition modeling and econometric convergence tests. Econometrica, 2007, 75(6): 1771-1855.
[25]	张小宇, 黄沁怡. 中国城市房产价格的俱乐部收敛特征及其溢出效应检验. 中南大学学报(社会科学版), 2023, 29(1): 108-122.
	ZHANG X, HUANG Q. Club convergence characteristics of urban real estate prices in China and its spillover effect test. Journal of Central South University(Social Sciences), 2023, 29(1): 108-122.
[26]	杨海丽, 邹剑涛. 我国农产品流通现代化水平评价、动态演进与收敛性. 中国流通经济, 2024, 38(7): 47-60.
	YANG H, ZOU J. Evaluation of the modernization level, dynamic evolution and convergence of agricultural products circulation in China. China Circulation Economy, 2024, 38(7): 47-60.
[27]	EHRLICH P, HOLDREN J. Impact of population growth: Complacency concerning this component of man's predicament is unjustified and counterproductive . Science, 1971, 171(3977): 1212-1217.
[28]	史琴琴, 鲁丰先, 陈海, 等. 中原经济区城镇居民消费间接碳排放时空格局及其影响因素. 资源科学, 2018, 40(6): 1297-1306.
	SHI Q, LU F, CHEN H, et al. Temporal-spatial patterns and factors affecting indirect carbon emissions from urban consumption in the Central Plains Economic Region. Resources Science, 2018, 40(6): 1297-1306.
[29]	李明, 薛峰, 张婧, 等. 安庆市工业能源消费碳排放影响因素分析与趋势预测. 安庆师范大学学报(自然科学版), 2024, 30(2): 1-9.
	LI M, XUE F, ZHANG J, et al. Analysis of influencing factors and trend prediction of carbon emissions from industrial energy consumption in Anqing City. Journal of Anqing Normal University (Natural Science Edition), 2024, 30(2): 1-9.
[30]	高欣悦, 曲建升, 葛钰洁, 等. 基于STIRPAT模型的甘肃省碳排放影响因素研究. 环境科学与管理, 2024, 49(7): 32-36.
	GAO X, QU J, GE Y, et al. Research on influencing factors of carbon emission in Gansu Province based on STIRPAT model. Environmental Science and Management, 2024, 49(7): 32-36.
[31]	张江艳. 基于扩展STIRPAT模型LMDI分解的碳排放脱钩因素. 环境科学, 2024, 45(4): 1888-1897.
	ZHANG J. Carbon emission decoupling factors based on LMDI decomposition of extended STIRPAT model. Environmental Science, 2024, 45(4): 1888-1897.
[32]	马楠, 邓晓红, 李宗省, 等. 甘肃省实现"双碳"目标的情景模拟及对策建议. 中国沙漠, 2023, 43(5): 66-73.
	MA N, DENG X, LI Z, et al. Scenario simulation and countermeasures for achieving the "double carbon" goal in Gansu Province. China Desert Research, 2023, 43(5): 66-73.
[33]	王杰, 李治国, 谷继建. 金砖国家碳排放与经济增长脱钩弹性及驱动因素——基于 Tapio 脱钩和 LMDI 模型的分析. 世界地理研究, 2021, 30(3): 501-508.
	WANG J, LI Z, GU J. Decoupling analysis between energy consumption and economic growth in BRICS countries: Based on Tapio decoupling and LMDI model analysis. World Regional Studies, 2021, 30(3): 501-508.
[34]	梁涵玮, 倪玥琦, 董亮, 等. 经济增长与资源消费的脱钩关系. 中国人口·资源与环境, 2018, 28(5) : 8-16.
	LIANG H, NI Y, DONG L, et al. Decoupling relationship analysis between economic growth and resource consumption in China, Japan, South Korea and the United States. China Population, Resources and Environment, 2018, 28(5): 8-16.
[35]	STONE M. Cross-validatory choice and assessment of statistical predictions. Journal of the Royal Statistical Society, 1974, 36(2): 111-133.
[36]	周馨冉, 王金叶, 杨依慧. 双碳背景下广西城市能源碳排放影响因素分析. 湖南工业大学学报, 2024, 38(5): 70-75.
	ZHOU X, WANG J, YANG Y. Analysis of influencing factors of urban energy carbon emissions in Guangxi under the background of carbon peaking and carbon neutrality. Journal of Hunan University of Technology, 2024, 38(5): 70-75.
[37]	曾婷. 中国城市碳排放强度俱乐部收敛及其影响因素研究. 深圳 : 深圳大学, 2022.
	ZENG T. Research on the convergence and influencing factors of urban carbon emission intensity club in China. Shenzhen : Shenzhen University, 2022.
[38]	SURROOP D, RAGHOO P. Energy landscape in Mauritius. Renewable and Sustainable Energy Reviews, 2017, 73: 688-694.
[39]	HENDERSON V, VENABLES J A, REGAN T, et al. Building functional cities. Science, 2016, 352(6288): 946-947.

变量（符号）	定义	单位
资源消费量（M）	国内物质消费	吨
人口规模（P）	总人口	人
经济发展水平（A）	GDP/总人口	美元/人
技术水平（T）	国内物质消费/GDP	吨/美元
城市化水平（U）	城镇人口/总人口	％
农业用地水平（AGR）	农业用地/土地面积	％
工业产出水平（IVA）	工业增加值	美元

变量（符号）	定义	单位
资源消费量（M）	国内物质消费	吨
人口规模（P）	总人口	人
经济发展水平（A）	GDP/总人口	美元/人
技术水平（T）	国内物质消费/GDP	吨/美元
城市化水平（U）	城镇人口/总人口	％
农业用地水平（AGR）	农业用地/土地面积	％
工业产出水平（IVA）	工业增加值	美元

年份	资源消费总量/ Mt	资源消费量年增速/ %	人均资源消费量/ （吨/人）	资源利用效率/（美元/吨）
1990	3 168.49	/	4.97	437.83
1995	3 446.97	8.79	4.76	485.42
2000	3 924.55	13.86	4.79	591.91
2005	4 691.78	19.55	5.06	708.86
2010	5 485.35	16.91	5.20	853.67
2015	6 251.69	13.97	5.20	933.30
2020	7 249.34	15.96	5.33	939.49
2022	7 659.81	5.66	5.37	1 081.52

年份	资源消费总量/ Mt	资源消费量年增速/ %	人均资源消费量/ （吨/人）	资源利用效率/（美元/吨）
1990	3 168.49	/	4.97	437.83
1995	3 446.97	8.79	4.76	485.42
2000	3 924.55	13.86	4.79	591.91
2005	4 691.78	19.55	5.06	708.86
2010	5 485.35	16.91	5.20	853.67
2015	6 251.69	13.97	5.20	933.30
2020	7 249.34	15.96	5.33	939.49
2022	7 659.81	5.66	5.37	1 081.52

初始分类	成员数量	合并检验	最终分类	成员数量
俱乐部1 0.174（3.108）	21	俱乐部1+俱乐部2 -0.167（-3.972^*）	俱乐部1 0.174（3.108）	21
俱乐部2 0.206（3.351）	11	俱乐部2+俱乐部3 0.142（3.083）
俱乐部3 0.307（9.446）	7	俱乐部3+俱乐部4 0.247（7.602）	俱乐部2 0.066（1.639）	20
俱乐部4 0.063（1.772）	2	俱乐部4+俱乐部5 -0.052（-2.132^*）
俱乐部5 0.395（7.835）	4	俱乐部5+俱乐部6 -0.048（-1.498）	俱乐部3 -0.048（-1.498）	6
俱乐部6 0.338（4.999）	2	俱乐部6+发散组 -0.664（-148.795^*）
发散组 -0.744（-110.553）	3		发散组 -0.744（-110.553）	3

俱乐部收敛视角下非洲国家资源消费的特征与驱动因素分析

Analysis of resource consumption characteristics and driving factors in African countries from the perspective of club convergence

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 39

相关文章 15

编辑推荐

Metrics

俱乐部	国家
俱乐部1（21个）	乍得、几内亚、刚果（金）、加纳、南非、喀麦隆、坦桑尼亚、埃及、安哥拉、尼日利亚、尼日尔、布基纳法索、摩洛哥、科特迪瓦、肯尼亚、苏丹、莱索托、赞比亚、阿尔及利亚、马拉维、马里
俱乐部2（20个）	中非共和国、刚果（布）、利比亚、利比里亚、加蓬、博茨瓦纳、卢旺达、吉布提、塞内加尔、塞拉利昂、多哥、斯威士兰、毛里塔尼亚、津巴布韦、突尼斯、索马里、纳米比亚、贝宁、赤道几内亚、马达加斯加
俱乐部3（6个）	佛得角、冈比亚、几内亚比绍、塞舌尔、毛里求斯、科摩罗
发散组（3个）	乌干达、圣多美和普林西比、布隆迪

变量	俱乐部1	俱乐部2	俱乐部3
常数	0	0.001	0
lnP	0.57^*** （0.009）	0.46^*** （0.011）	0.592^*** （0.016）
lnA	0.148^*** （0.005）	0.12^*** （0.005）	0.134^*** （0.008）
lnT	-0.143^*** （0.005）	-0.204^*** （0.006）	-0.247^*** （0.012）
lnU	-0.011^*** （0.001）	-0.009^*** （0.001）	0.002 （0.004）
lnAGR	0.002^*** （0.001）	-0.012^*** （0.001）	0 （0.002）
lnIVA	0.225^*** （0.007）	0.297^*** （0.01）	0.466^*** （0.018）
R²	0.944	0.885	0.956
F	1 835.309	651.556	694.64
Sig.（F）	0	0	0

[1]	陈小龙, 狄乾斌, 梁晨露, 陈科其, 侯智文. “双碳”目标下减污降碳与经济高质量发展的协同机理与实证探讨[J]. 世界地理研究, 2025, 34(6): 149-163.
[2]	郑玉雯, 薛伟贤. “数字丝绸之路”发展水平测度及其收敛性研究[J]. 世界地理研究, 2025, 34(6): 42-55.
[3]	盛依妮, 殷为华, 马仁锋, 梁圆卿. 浙江省基本公共服务均等化水平的时空特征及驱动因素[J]. 世界地理研究, 2025, 34(10): 90-104.
[4]	刘宇斯, 李灿松, 葛旭瑞, 王涛, 王帆. 云南省县域边境地方贸易时空演变及驱动因素[J]. 世界地理研究, 2024, 33(8): 174-188.
[5]	蔡中祥, 黄哲琨, 郭勇, 公茂玉, 王岩, 常耀伟. 2001—2020年巴基斯坦恐怖袭击事件时空演变分析[J]. 世界地理研究, 2024, 33(5): 60-72.
[6]	周玉涛, 李振福, 邓昭. 环渤海地区港口效率的时空分异、未来趋势及驱动因素研究[J]. 世界地理研究, 2024, 33(4): 142-154.
[7]	王浩力, 向静, 黄庆华. 成渝地区双城经济圈数字技术应用业时空演化特征及驱动因素[J]. 世界地理研究, 2024, 33(3): 131-146.
[8]	林海文, 刘宏松, 娄劲男. 印度移民回流政策的发展及其驱动因素[J]. 世界地理研究, 2024, 33(2): 64-78.
[9]	陶杰, 曹卫东, 吴娟. 长三角民营上市企业时空发展特征与驱动因素效应分异研究[J]. 世界地理研究, 2023, 32(9): 120-132.
[10]	廖建军, 李欣, 王志远, 张考, 吕靖童. 长株潭都市圈建设用地增长格局及驱动因素研究[J]. 世界地理研究, 2023, 32(9): 133-145.
[11]	张祥, 马晨娇, 董霞, 王昭辉, 李星明. 国际连锁酒店跨国扩张时空演变及驱动因素研究[J]. 世界地理研究, 2023, 32(1): 31-42.
[12]	王孟林, 陈瑛, 张婷婷. 中国对美国州层面直接投资时空演变与驱动因素探究[J]. 世界地理研究, 2023, 32(1): 54-66.
[13]	李会, 任启龙, 张春梅. 京津冀城市物流联系时空演变及驱动因素研究[J]. 世界地理研究, 2022, 31(5): 1046-1056.
[14]	李灿松, 陈军, 葛岳静, 陈利军, 张委伟, 张宇硕, 赵亚博. 基于GlobeLand30的缅甸地表覆盖变化及驱动因素分析[J]. 世界地理研究, 2021, 30(3): 478-489.
[15]	梅大伟, 修春亮, 冯兴华. 中国城市信息网络结构演变特征及驱动因素分析[J]. 世界地理研究, 2020, 29(4): 717-727.