首页 > 文章详情

中国县域碳排放强度的动态演化——来自可解释机器学习的新证据

作者:
俞剑 蔡铉烨 苏治 梁龙跃
出版日期:
2024年1月
报告页数:
19页
报告字数:
13678字
所属图书:
中国工业化进程报告(2023)
下载阅读 在线阅读 原版阅读 生成引文
摘要:

县域作为中国实现“双碳”目标的最小行政单元,是经济发展和产业转移的基本空间单元和承载体。厘清县域碳排放强度动态演化过程的非线性特征,对于推动经济绿色低碳转型与高质量发展具有重要意义。本文基于中国1997~2017年县域面板数据,采用人工神经网络、随机森林、LightGBM和XGBoost等4种机器学习模型拟合宏观因素对碳排放强度的影响,并运用累积局部效应模型提取各影响因素的特征重要性及其影响曲线。研究结果表明,县域宏观因素对碳排放强度的影响具有显著的非线性特征,其边际碳排放强度效应随着县域经济发展而改变。同时,宏观因素的非线性影响会根据县域的资源禀赋水平而产生差异,县域资源禀赋越丰裕,其宏观因素的边际碳强度效应越高。因此,推动碳减排需要政府关注地方资源禀赋差异,统筹地方经济发展与碳减排,避免因减排牺牲发展。

关键词:

碳排放县域经济机器学习可解释机器学习算法

作者简介:

俞剑:中央财经大学经济学院副教授、硕士生导师。

蔡铉烨:中央财经大学统计与数学学院博士研究生。

苏治:中央财经大学统计与数学学院、金融学院教授,博士生导师,中央财经大学电子科技大学联合数据研究中心执行副主任,研究方向为宏观经济、金融市场与资产定价。

梁龙跃:贵州大学经济学院副教授、硕士生导师。

文章目录
·引言
理论模型与机器学习模型
  • (一)理论模型
  • (二)机器学习模型
实证分析
  • (一)数据处理、变量选择与描述性统计
  • (二)模型评价
  • (三)可解释性分析
  • (四)资源禀赋对动态演化过程的影响
·结论与政策建议