一个机器学习算法来探索中国城市碳排放的驱动因素
Wenmei Yu1, Lina Xia1, Qiang Cao2
1School of Finance, Anhui University of Finance and Economics, Bengbu, 233030, China.
Scientific reports
|October 9, 2024
概括
能源消费驱动中国的中国.
科学领域:
- 环境科学与政策
- 应用经济学应用经济学
- 数据科学数据科学数据科学
背景情况:
- 作为一个主要的能源消费者和碳排放国,中国的角色需要有效的碳减排战略.
- 了解经济因素和碳排放之间的复杂,非线性关系对于实现双碳目标至关重要.
- 现有的计量经济学模型可能无法完全捕捉到这些关系的细微差别.
研究的目的:
- 为了比较6个机器学习算法的预测性能与中国碳排放的传统计量经济学模型.
- 确定和分析影响碳排放的关键国内经济,外部经济和政策不确定性因素.
- 通过 Extra-trees 模型研究这些因素与碳排放之间的非线性关系.
主要方法:
- 利用了2011-2020年中国254个城市的面板数据.
- 采用并比较了六种不同的机器学习算法.
- 应用了Extra-trees模型来确定因子的重要性,并通过部分依赖图 (PDP) 分析非线性关系.
主要成果:
- 能源消耗 (ENC) 是增加碳排放的主要驱动因素;政府干预 (GOV) 和数字金融 (DIG) 显示出显著的减排效应.
- 外国直接投资 (FDI) 和经济政策不确定性 (EPU) 显著影响碳排放,PDPs支持污染避风港假说,并表明EPU的减排作用.
- 能源消耗 (ENC) 是不同城市大小的普遍驱动因素,尽管存在差异.
结论:
- 机器学习模型提供了超越传统方法对碳排放驱动因素的宝贵见解.
- 针对能源消耗的政策干预,促进数字金融和管理经济政策的不确定性是减少排放的关键.
- 考虑到城市特定特征的定制战略对于可持续发展道路至关重要.


