全球國家碳達峰的研判，與碳排放變動驅動效應測度是怎樣的？

基于構建的峰值綜合判斷系統(tǒng)，對全球134個不同社會經濟發(fā)展水平國家2017年的碳達峰狀態(tài)進行了研判，并結合機器學習二分類算法中的邏輯回歸對134個國家的判斷結果進行了交叉驗證，以確保判斷系統(tǒng)的合理性和研判結果的顯著性，在此基礎上按照系統(tǒng)輸出的綜合評價指數對不同國家社會經濟發(fā)展差異性進行了分析。為了進一步揭示不同發(fā)展水平國家碳排放特征差異化的原因，以便更好的解釋碳排放趨勢變動和碳達峰背后的驅動力，選取了全球部分典型國家，在建立向量自回歸模型的基礎上，利用脈沖響應和方差分解分析探究了技術變革和結構調整對于碳排放變動的驅動效應。

 

為了進一步驗證碳排放峰值判斷模型的相對準確性，使用機器學習方法中的邏輯回歸模型對判斷的結果進行回歸檢驗。以Sigmoid函數為基礎的logistic回歸模型常用于數據挖掘和分類預測，尤其多應用于解決二分類問題，可以描述多個自變量和因變量之間的關系，自變量可以是連續(xù)性數據也可以是離散型數據。考慮到是否達峰問題屬于典型的二分類問題，并且也牽扯到基于多個自變量的峰值預測，所以用邏輯回歸模型來做模型結果檢驗再合適不過了。

 

通過利用計量經濟學中的脈沖響應和方差分解分析來探究典型國家結構調整以及技術變革因素對二氧化碳排放變動驅動方向和驅動程度。兩種方法都是以建立具有穩(wěn)定狀態(tài)的向量自回歸模型為前提的，而建立VAR模型有需要保證時間序列的平穩(wěn)性和變量間的協整性。 本文+內-容-來-自；中^國_碳+排.放_交^易=網 t a n pa ifa ng .c om