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(jīng)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(shù)對不同國家社會經(jīng)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(diào)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(shù)為基礎的logistic回歸模型常用于數(shù)據(jù)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(shù)據(jù)也可以是離散型數(shù)據(jù)。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(jīng)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(diào)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(xié)整性。 本文+內(nèi)-容-來-自；中^國_碳+排.放_交^易=網(wǎng) t a n pa ifa ng .c om