基于GAMLSS模型的二氧化碳排放驱动因素分析
基于logistic模型的北京能源消费与CO2排放研究综述(全文)
基于logistic模型的能源消费与CO2排放研究综述XX：F205 文献标识：XX：1009-4202（20XX）11-013-02一、低碳经济低碳经济概念的产生与提出是全球各国应对气候变化的认识和采取措施紧密相关的。
随着人们对气候问题的关注和认识的不断提高，阿列纽斯在1896年预测大气中CO2浓度升高将带来的全球性气候变化，已被确认为不争的事实。
在这种背景下，英国虽然领先提出了低碳经济的概念，并明确了自身实现低碳经济的目标和时间表，但英国并没有界定低碳经济的概念，也没有给出可以在国际上进行比较的指标体系。
由于大气中的CO2主要来源是化石能源的大量使用，因此研究能源消耗与CO2 排放之间的关系对进展低碳经济具有重要作用。
二、关于logistic模型的能源消费与CO2 排放研究综述多年来，国内外一些权威机构及专家对能源系统模型开展了大量的研究。
国际应用系统分析研究所（IIS）Messner等研究开发了MESSGE模型，用于研究中长期能源系统规划、能源政策分析和情景进展的动态线性规划模型。
FelixB.Dyo等应用MESSGE模型研究了为增加天然气消费，尼日利亚能源系统20XX年以前的最优消费结构。
.Lehtil等应用EFOM模型再现了芬兰的生物能利用、热电联产发电、污染物排放以及能源的最终消费，并为GJ制定CO2减排政策提供了信息支持。
MichelMessenger应用MEDEE模型研究了未来西欧能源消费结构和能源强度的改变主要是因为实际能源价格的上涨。
Noelo.uri（1993），MohinderGill等（1995）在此能源需求函数的基础之上，将气候因素引入能源需求函数中，进展了能源需求函数，使之更接近现实、更能解释其经济意义。
傅瑛等利用Logistic模型对省能源消费的短期预测，通过对1985―1996年省能源消费统计资料发现尽管某些年份有所波动，但总体上讲，省实际消费量总体上处于增长阶段。
我国二氧化碳排放绩效的动态变化_区域差异及影响因素_王群伟
我国二氧化碳排放绩效的动态变化、区域差异及影响因素王群伟，周鹏，周德群（南京航空航天大学经济与管理学院，江苏南京210016）[摘要]本文利用含有非期望产出的DEA 模型构建了可用于研究二氧化碳排放绩效动态变化的Malmquist 指数，以此为基础，测度了1996—2007年我国28个省区市二氧化碳的排放绩效，并借助收敛理论和面板数据回归模型分析区域差异及其影响因素。
研究发现：样本期间我国二氧化碳排放绩效主要因技术进步而不断提高，平均改善率为3.25%，累计改善为40.86%；四大区域的二氧化碳排放绩效有所差异，东部最高，东北和中部稍低，西部较为落后，但差异性有下降趋势，二氧化碳排放绩效存在收敛性；全国范围内，经济发展水平、产业结构高级化程度、能源强度和所有制结构对二氧化碳排放绩效有显著影响，对外开放的影响则不明显。
[关键词]二氧化碳；非期望产出；Malmquist 指数；收敛；面板数据模型[中图分类号]F124.6[文献标识码]A [文章编号]1006-480X （2010）01-0045-10【产业经济】一、引言自1992年联合国气候变化专门委员会（IPCC ）达成《联合国气候变化框架公约》（UNFCCC ）以来，如何有效控制和缓解全球气候变暖趋势已受到世界各国的高度重视。
进入后京都时代，为应对气候变化和温室气体排放，我国既面临着温室气体减排国际新框架的艰难谈判和不同利益集团在政治外交上的博弈，同时也面临着国内资源生态环境承载力不足的巨大压力和挑战。
面对国际国内两种压力，要实现到2020年单位国内生产总值二氧化碳排放比2005年下降40%—45%的减排目标，开展的各类减排活动及采取的各项政策措施都首先依赖于对二氧化碳等温室气体排放历史和现状的精确评估，这是进一步制定和明确各地区温室气体减排任务的基础，也是衡量温室气体排放[收稿日期]2009-12-15[基金项目]国家社会科学基金重大项目“不确定条件下我国能源开发、利用和储备可持续发展战略研究”（批准号08&ZD046）；国家自然科学基金青年项目“考虑非期望产出的效率模型及其在能源效率和环境绩效评价中的应用”（批准号70903031）；国家自然科学基金面上项目“考虑影响因素交互作用和能源回弹效应的能效政策分析模型”（批准号70873058）；国家自然科学基金应急项目“考虑能源结构、区域差异和行业特点的节能减排政策选择研究”（批准号70941038）；江苏省普通高校研究生科研创新计划项目“能源效率测度与能效政策分析框架———非期望产出和回弹效应的视角”（批准号CX09B-052R ）。
我国东中西部二氧化碳排放的驱动因素研究
Ｐ
，
ｗ
圜
．
— 。’＿一
一
一 一
。
一
一 一
一 一
● ｒ
▲Ｊ —＾
● Ｈ ● ●
＝ ＝
＝
一
一
一 一
一
一 一
一 一
５ 的水 平 。２ ０ ％ ０ ６年 ， 国 碳 排 放 总 量 更 是 中
年 份
首次 超 过 美 国， 到 了 ６ 达 ２亿 吨 ， 同 年 中 国 而 Ｇ ＤＰ总 量 只 相 当 于 美 国 的 １ １ … ／ ０ 锕 。哥 本 哈 根 大 会 上 ， 国政 府 做 出 了 到 ２ ２ 中 ０ ０年单 位 ＧＤ Ｐ
…… ．
ｉ 摘 要 ：以 Ｓ ＩＰ Ｔ模型为基本框架并对其进行拓 展 ， 用面板数 据 ， ＴＲ Ａ 利 对全 国和东 中西 部地 区的碳 排放驱 动 因
；
；
ｉ
素进行深入考察。总体分析表明， 人口、 富裕程度、 第二产业的发展和能源强度都会对碳排放造成影响，
而城 市化水平 、 三产业 的发展 对碳 排放 的影响并不显著 ，Ｋ 曲线不适 用于 中国的碳 排放和经 济发 第 ＥＣ
发 展 水 平 最 高 ， 二 、 三 产 业 占其 产 值 比重 第 第
二 、 献 综 述 文
经 济 活 动 在 带 来 社 会 财 富 的 同时 也 造 成 了
大 量 的二 氧 化 碳 排 放 。伴 随 着 人 口增 长 、 市 城
／
ｈ
● ．一． ．，●
纪 ， 国 大 陆碳 排 放 量 占世 界 总 排 放 量 的 比例 中
年 均 增 长 超 过 １ ， ２ ０ 年 的 １ ％ 上 升 至 ％ 从 ００ ２ ２０ ０ ７年 的 超 过 ２ ％ ， 一 时 期 ， 国这 一 指 标 ０ 同 美 由 ２ ％ 降 至 ２ ％左 右 ， ４ ０ 日本 则 基 本 保 持 在 ４ ％
中国能源消费的CO_2排放变动及其驱动因素分析
进 步两个 方 面考察 了 中国能源 强度 的变化 ， 为我 认 国能源 强度 下降 的 主 要 动力 源 于 各 产业 能源 利 用 效率 的提高 ， 中工业 能源 强度 下降是 总体 能源 强 其 度 下降 的主 要 原 因 。而 周 勇 等 采 用 ＡＷＤ 方 法 分
８ ％以上 ， ０ 工业 成 为 中 国 Ｃ ：排 放 逐 年 增 长 的 主 Ｏ 要部 门 。本文 以 中 国 Ｃ 排 放 现 状 为 背 景 ， 析 Ｏ 分
逐 年 增 长 的发 展 趋 势 ； 源 结 构 调 整 并 未 起 到 节 能 减 排 的 作 用 ， 煤 为 主 的 能 源 结 构 是 导 致 Ｃ 放 快 速 增 长 能 以 Ｏ 排
的原 因之 一 ； 术 进 步 与 产 业 结 构 调 整 是 实 现 节 能 减 排 目标 的 主 要 因素 。其 中 ， 源技 术 进 步 减 排 效 应 最 大 。 技 能
２２ ０ ０年 减 排 目标 的 实现 ， 键 在 于 推 动 节 能 技 术 进 步 ， 汰 落后 产 能 ， 动 重 点 领 域 节 能 减排 ； 点 是 控 制 煤 炭 关 淘 推 重 消 费 的快 速 增 长 ， 以及 能 源 结 构 与 产 业 结 构 的 双 重 优 化 。 关键词 ： ０ 排放 ； 源 消费； 济增长 ； 术进 步； 业结构 ； Ｃ 能 经 技 产 因素 分解 中图 分 类 号 ： ４ ６ ２ Ｆ ２ ． 文献标识码 ： Ａ 文 章 编 号 ： ０ ９１ ５ ２ １ ） １０ ７ — ６ １ ０ — Ｏ Ｘ（ Ｏ １ ０ － ０ ３０
温室气 体 大量 排 放 引 致 的全 球 气 候 变 暖在 国
际 范 围 内 引 起 了 广 泛 的研 究 ， 本 哈 根 气 候 会 议 上 哥
基于因子分析法估计二氧化碳排放量的影响因素
一 、 引 言 面对快 速增长 的二氧化碳排 放量 和不断增 大 的国际二 氧化碳减 排压力 ，我 国于 ２００９年提 出 ：到 ２０２０年 中国单位 ＧＤＰ二氧化碳 排放强度 比 ２００５年下 降 ４０％ ～５０％ 的 目标 ， 这一 日标 的实现依赖于地方层 面 的节能减排 ．因此 ，探 讨我 国不 同省 份的二 氧化碳 排放 量 ，不仅 有助 于科 学 制定 二 氧 化碳减排标 准 ，而且也 是 我 国今后制 定 区域低 碳 发展 战 略 和相关政策 的重要依据． 我 国 幅员 辽 阔 、自然 资 源 分 布 不 均 ，这 些 原 因 不 仅 导 致 我 国区域 问的经济 发展 水平 存在 较大 差异 ，还 使得 区域 间 的二氧化 碳排放量 参差 不齐 …．Ｙｏｒｋ 利用 ＳＴＩＲＰＡＴ模 型 研究 了二 氧化 碳排放量 与人 口之 间的关 系 ；Ｃｏｏｎｄｏｏ 还从 Ｇｒａｎｇｅｒ因果 关系 的角 度分 析 了二 氧化碳 排 放 量 和人 均 收 入之 间的关系 ，发 现不同的国家存 在不 同的 因果 关 系．刘华 军等 则利用 基尼系数测算 了中国二氧化碳 排放 的地 区差 异并 进行 了分解 ．徐 大丰 根据碳 排放 主流算 法估算 了我 国东 、中 、西部 三 大 地 区碳 排 放 总 量 和 三 大 区域 分 行 业 碳 排 放 总 量 ．张 雷 等 通 过 产 业 一能 源 关 联 和 能 源 ～碳 排 放 关 联 两 个 基 本 评 价 模 型 ，解 析 中 国 碳 排 放 区 域 格 局 变 化 的 原 因 ． 以上研究 所涉及 的研究关 系较为单 一 ，基于 以上研 究 ， 本文利用 能够 综合考虑多 因素的方法 来估计各 地 区的二 氧 化碳排 放 量．即 ，根 据 ２０００年 中 国 ２ ２４０个 地 区 的相 关数 据 ，利用 因子分 析法 ，研 究 了地 方人 口、ＧＤＰ等数 据对 二 氧 化碳排放量 的估计． 二 、模 型 及 方 法简 介 （一 ）模型简介 假设共有 ｎ个样本 ，每个样本都有 Ｐ个观测指标 ，则
基于LMDI模型的CO_2排放影响因素研究——以江苏省为例
提 出对 数平 均权重 分解 法 （ＭＤ ）对碳 排 放 量 进 Ｌ Ｉ
基金项 目：国家 自然科 学基金 （ 目编号 ：７０ １１ ） 项 １７ １ ，江苏省高校哲 学社会科学基金项 目 （ 目编号 ： ００Ｊ７ ００ ） ３ 项 ２ １Ｓ ９０ １ 。 Ｂ 作者简介 ：刘洪久 ，常熟理工学院副教授 ，博士 ，德国 Ｈ ｃｓ ｕ ａ ｎ ｏ ｅ ｌ Ａｌ 大学访问学 者 ，同济大学 博士后 。研究 方 向：管 理决策 、区 ｈ ｈｅ ｅ 域经济。胡彦蓉 ，常熟理工学院管理学院讲师 。研究 方向 ：品牌价 值评估 。Ｒｂｒ Ｒｅ，德国 Ｈ ｃ ｃｕ ａ ｎ大学教授 。 ｏｅ ｉ ｔ ｇ ｏ ｓ ｌ Ａｌ ｈｈ ｅ ｅ 研究方 向ｔ企业管理 。马卫 民，同济大学经济与管理学 院教授 。研究方 向：管理决策。
书 《 我们能源的未来 ：创建低碳 经济》 中提出了 低碳经 济 的概 念 ，美 国政府也 于 ２０ ０７年提 出了 《 低碳经济法案》 ［ 。作为 ｃ ２ ｏ 排放量最大的国家， 我 国提出到 ２２ 年单位国内生产总值 Ｃ ２ ００ Ｏ 排放 比 ２０ 年下降 ４ ％ 一 ５ ０５ ０ ４ ％，并把控制温室气体排放
相 应 的建议 。
当前 国内外对 于碳 排放影 响因素 的研究 较 多 。 刘 竹通过 计算脱 钩 指 数 ，对 陕 西 等 ５省 份 １９ ９５
２ ０ 年经 济 增 长 与 Ｃ ２排 放 关 系 进 行 了 脱 钩 分 ０８ Ｏ 析 ｌ ；庄 贵 阳使用 Ｔｐｏ 钩 指 标 分 析 了 ２ 个 温 ４ ａｉ 脱 ０
和产业 能源强度 分别是影响 ｃ ２ 放的正向和 负向主导 因素。降低 Ｃ 排放 量，需要通过提 高产业 能源强 ｏ排
中国工业碳排放达峰预测及控制因素研究基于BPLSTM神经网络模型的实证分析
结果与讨论：
BPLSTM模型预测结果显示，中国工业碳排放将在2035年左右达到峰值，之后 开始逐步下降。这一趋势主要受到工业碳排放强度、能源结构和产业结构的影 响。另外，技术进步对碳排放达峰时间的推迟具有重要作用，这意味着技术进 步有可能在未来进一步推动碳排放的降低。
在控制因素中，工业碳排放强度对达峰时间的影响最为显著。强度较高的碳排 放会导致资源过度消耗和环境压力增大，从而促使政府和企业采取更加严格的 碳排放控制措施。能源结构调整是另一个重要的控制因素。通过降低煤炭等高 碳排放能源的比重，增加清洁能源和低碳能源的使用，可以降低工业碳排放水 平。产业结构优化对工业观管理：完善碳排放统计、监测和报告体系，强化企业排放约束；推动 重点企业开展碳减排行动，提高企业低碳意识。
3、技术进步：加大对节能环保、新能源等领域的研发投入，推动低碳技术的 研发和应用；推广合同能源管理、绿色建筑等低碳技术和模式，降低能源消耗 和碳排放。
4、公众参与：加强碳排放教育与宣传，提高公众的低碳意识和环保意识；鼓 励公众参与低碳生活和绿色出行，形成全社会的低碳共识。
中国工业碳排放达峰预测及控制因素研 究基于BPLSTM神经网络模型的实证分析
基本内容
摘要：
本研究旨在预测中国工业碳排放量何时达到峰值，并分析影响该趋势的关键控 制因素。采用基于反向传播长短期记忆神经网络（BPLSTM）模型的实证方法， 发现工业碳排放强度、能源结构、技术进步和产业结构等因素对碳排放达峰时 间具有显著影响。研究结果有助于理解中国工业碳排放趋势，为制定相应的碳 排放政策提供科学依据。
五、结论与展望
本研究基于LEAP模型对城市碳排放达峰进行了预测研究，发现政策措施对于推 动城市碳排放达峰具有积极作用。通过加大对可再生能源的支持力度、完善碳 排放统计和监测体系、推动重点企业开展碳减排行动、加大对节能环保等领域 的研发投入以及加强碳排放教育与宣传等措施，可以有效地降低城市碳排放量， 加快达峰进程。
我国二氧化碳排放的驱动因素
我国二氧化碳排放的驱动因素：基于省级面板数据的研究摘要：本文估算了1995-2007年我国各省的二氧化碳（CO2）排放量，构建了省级CO2排放面板数据库，并分别在静态和动态面板数据模型框架下，考察了我国CO2排放的驱动因素。
研究结果显示，产业结构是影响我国CO2排放最重要的因素，技术进步和城市化水平次之，而产权结构和能源消费结构的影响则要相对小得多。
资本调整速度是影响我国CO2排放的另一重要因素，加快资本折旧有利于CO2减排。
经济发展水平和人均CO2排放量之间则存在倒U型关系。
关键词：二氧化碳排放；面板数据；驱动因素；动态模型一、引言全球气候变暖已是不争的事实，大量证据表明，以二氧化碳（CO2）为主的人为温室气体排放是主要原因。
IPCC(2007)第四次评估报告指出，气候变化可能会导致一些不可逆转的影响，如果全球平均温度增幅超过工业革命前1.5-2.5℃，那么20%-30%的物种可能灭绝，超过3.5℃则可能导致40%-70%的物种灭绝。
全球气候变暖关乎人类社会的可持续发展，因此受到国际社会的广泛关注。
随着工业化和城市化的快速推进，我国的能源消费快速增长，CO2排放量也随之急剧增加，使得我国政府面临的国际CO2减排压力也越来越大①。
最近，我国政府正式宣布了控制温室气体排放的行动目标，决定到2020年，单位国内生产总值CO2排放量比2005年下降40%-45%，并将之作为约束性指标纳入国民经济和社会发展中长期规划。
客观科学地评估我国CO2等温室气体的排放现状和基本特征，全面细致地分析我国CO2等温室气体排放的主要影响因素，可以为我国政府有效地实施CO2等温室气体的减排战略提供理论基础，因此具有重要的研究价值。
大量文献对我国CO2排放的影响因素、演进趋势和减排措施等主题进行了研究（具体见文献回顾），但是几乎所有的以往研究都是基于国家层面的时间序列数据或产业层面的横截面数据，而基于省级层面的面板数据研究则十分稀少。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1. 引言
一直以来，全球变暖都是引起各国人民关注的热门问题，它与所有生物的生存发展关系紧密。中国 既是世界第二大经济体，也是人口众多、工业化程度高、对煤炭依存度高的发展中国家，面临着巨大的 减排压力。准确分析二氧化碳排放的驱动因素及其影响特征可以为我国政府在联合国气候变化框架公约 (United Nations Framework Convention on Climate Change, UNFCCC)谈判中予以数据的支持，另一方面对 制定碳税政策、执行减排任务、建立碳交易市场以及进行碳贸易具有重要意义。
Keywords
Carbon Dioxide Emissions, GAMLSS Model, Non-Parametric Regression
基于GAMLSS模型的二氧化碳排放驱动 因素分析
李秋萍，陈兴荣*，朱燚丹
中国地质大学(武汉)数学与物理学院，湖北 武汉
收稿日期：2020年7月18日；录用日期：2020年8月4日；发布日期：2020年8月11日
变量
单位
均值
标准差
极小值
极大值
CO2 TPOP
万吨 万人
28,308.01 4450.36
20,359.60 2670.59
1074.87 543.00
101,434.20 11,169.00
URB
百分比
52.95
13.96
26.87
89.60
INC
元
15442.77
9269.81
3562.83
58,988.00
关键词
二氧化碳排放，GAMLSS模型，非参数回归
Copyright © 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/
EI
吨标准煤/万元
1.06
0.60
0.25
4.18
ES
百分比
0.59
0.68
0.00
4.06
注：CO2、TPOP、URB、INC、EI 和 ES 分别表示二氧化碳排放量、人口总数、城市化水平、人均可支配收入、能源强度和能源结构，下同。
Байду номын сангаас
3. 研究方法
3.1. GAMLSS 模型
GAMLSS 模型是一种半参数回归模型，参数性体现在需要对响应变量作参数化分布的假设，非参数 性体现在模型中解释变量的函数可以涉及非参数平滑函数，非参数平滑函数不预先设定函数关系，各个 解释变量的非线性影响结果完全取决于样本数据。它克服了 GAM 模型和广义线性模型(Generalized Linear Models, GLM)的一些局限性。
2. 数据来源与介绍
2.1. 数据来源
本文选取由 2005~2017 年全国 30 个省市(西藏除外)的数据构成的面板数据作为研究对象，数据全部
DOI: 10.12677/aam.2020.98137
1178
应用数学进展
李秋萍 等
来源于《中国统计年鉴》(2006~2018)和《中国能源统计年鉴》(2006~2018)。由于我国没有直接公布各个 省市的二氧化碳排放数据，多数文献中都是通过我国公布的其它数据根据一定的方法计算二氧化碳排放 量。目前计算二氧化碳排放量的方法有很多，本文总结了《联合国政府间气候变化专门委员会 (Intergovernmental Panel on Climate Change, IPCC)国家温室气体清单指南》及《省级温室气体清单编制指 南(试行)》中的计算方法，选取煤炭、汽油、煤油、柴油、燃料油和天然气六种能源，根据各种能源燃烧 的热值计算二氧化碳排放量。经检验，由这种方法计算得出的各省二氧化碳排放量总和与全国能源燃烧 产生的二氧化碳排放量大致相等。
(2)
其中 I、P、A 和 T 与式(1)中的意义相同，a 代表常数项，b、c 和 d 代表弹性系数，下标 t 代表时间，ξt 代 表随机扰动项。本文总结了相关文献，在 STIRPAT 模型的基础上将影响二氧化碳排放量的因素分为五个 部分：人口数、城市化水平、经济水平、能源强度和能源结构。其中人口数由各省市历年年末总人口数
σi 作为位置参数和尺度参数，其余参数作为形状参数，如偏度和峰度等。分布参数向量可以推广到包含
四个以上的参数，也可以是总体分布的参数。令 g (⋅) 为连接解释变量和分布参数的单调连接函数，函数
关系可以表示如下：
Jk
∑ gk (θk ) = ηk = Xk βk + Z jkγ jk , k = 1,2,3,4
近年来，国内外许多学者对于二氧化碳排放的影响因素展开研究。对于经济和二氧化碳排放的关系， 大部分研究基于环境库茨涅兹曲线(Environmental Kuznets Curve, EKC) [1]的假设展开，假设表示二氧化 碳排放量与人均入呈倒“U”型关系。部分学者使用分解分析方法，如对数平均迪氏指数(Logarithmic Mean Divisa Index, LMDI)法[2]，通过恒等式将二氧化碳排放指标分解为几个影响因素的指标并评估它们的贡献 [3] [4] [5]。部分学者基于可拓展的随机环境影响评估模型(Stochastic Impacts by Regression on Population, Affluence and Technology, STIRPAT) [6]进行回归分析[7] [8]。部分学者使用广义可加模型(Generalized Additive Models, GAM) [9]分析二氧化碳排放的驱动因素及其影响特征[10]。分解分析法着重于分析影响 因素的贡献度，忽略了影响因素的作用机制。GAM 模型等回归模型通常将收集的碳排放数据假设为服从 正态分布，当真实数据与正态分布差异显著时，这一假设会影响结果的准确性。
表示，城市化水平由各省市历年年末城市人口比重表示，经济水平由各省市的人均可支配收入表示，能
源强度由各省市历年能源消费总量(折算成标准煤)与地区生产总值之比表示，能源结构由各省市历年天然 气消费量占能源消费总量(均折算成标准煤)的比重表示。各变量的描述性统计指标如表 1 所示。
Table 1. Descriptive statistics for each variable 表 1. 各变量的描述性统计指标
Analysis of Driving Factors of Carbon Dioxide Emission Based on GAMLSS Model
Qiuping Li, Xingrong Chen*, Yidan Zhu
College of Mathematics and Physics, China University of Geosciences, Wuhan Hubei
Received: Jul. 18th, 2020; accepted: Aug. 4th, 2020; published: Aug. 11th, 2020
Abstract
Global warming and carbon dioxide reduction are important issues of concern to all countries. It is an important task to comprehensively study the factors affecting carbon emissions and effectively reduce carbon emissions. This paper collects relevant data from 30 provinces and cities in China from 2005 to 2017, constructs a GAMLSS model for non-parametric regression analysis, and explores the impact of population size, economic level, urbanization level, and energy intensity on carbon dioxide emissions. The analysis results show that all factors have a linear positive effect on carbon dioxide emissions in the long run, and that the population size, economic level, and urbanization level have an inverted “U”-shaped non-linear impact mode on carbon dioxide emissions within a certain range. Based on the conclusions of the study, combined with China’s national conditions, this paper puts forward some suggestions on carbon dioxide emission reduction.
Advances in Applied Mathematics 应用数学进展, 2020, 9(8), 1177-1186 Published Online August 2020 in Hans. /journal/aam https:///10.12677/aam.2020.98137
*通讯作者。
文章引用: 李秋萍, 陈兴荣, 朱燚丹. 基于 GAMLSS 模型的二氧化碳排放驱动因素分析[J]. 应用数学进展, 2020, 9(8): 1177-1186. DOI: 10.12677/aam.2020.98137