基于符號田回歸的CO2排放量與經濟發(fā)展的關系研究.pdf

1、近幾年來，人們越來越關注經濟發(fā)展帶來的環(huán)境問題。傳統(tǒng)研究環(huán)境污染與經濟發(fā)展的關系一般采用實證方法，即事先假定模型結構然后估計變量參數。一方面它需要特定領域知識來假定正確的模型結構，另外一方面由于假定的模型結構縮小了模型的可選擇范圍，有可能漏掉其他更適合的潛在模型。關于經濟發(fā)展引起環(huán)境問題的研究有很多，也存在著不同的關系。在一些研究的具體問題中我們發(fā)現(xiàn)有些模型并不是連續(xù)型的，即存在不連續(xù)點，使得不同的情況下變量間存在多種模型，傳統(tǒng)研究不連

2、續(xù)問題的有斷點回歸方法，和傳統(tǒng)實證方法存在著同樣的缺點，它需要豐富的專家知識辨別出臨界值，然后利用傳統(tǒng)回歸方法估計臨界值兩邊的模型。相比傳統(tǒng)實證方法，基于數據驅動的符號回歸方法從數據角度出發(fā)，不需要事先假設模型的框架，仿照達爾文的進化論，依靠計算機程序進行復制，交叉，突變等操作自動尋找隱藏在數據系統(tǒng)背后的關系模型。然而由于不連續(xù)點的存在，經典符號回歸方法不能很好地對斷點問題進行自動建模，本文提出了一種新的符號回歸方法，即斷點符號回歸方法

3、來自動解決環(huán)境污染與經濟發(fā)展間存在的不連續(xù)建模問題。
　　因此，本文將基于數據驅動的符號回歸和斷點符號回歸方法分析環(huán)境污染與經濟發(fā)展間的關系，其基本研究結果如下:
　　(1)研究67個國家二氧化碳排放量與經濟發(fā)展的關系，利用符號回歸方法自動找尋這些國家的模型，不僅能識別出傳統(tǒng)實證方法得到的環(huán)境庫茲涅茨曲線模型，還能找到具有更高擬合度和解釋能力的M曲線模型。
　　(2)提出新的斷點符號回歸方法實現(xiàn)對斷點問題的自動建模，通

4、過測試基準函數集，發(fā)現(xiàn)斷點符號回歸方法能夠有效找到不連續(xù)點位置并正確估計兩邊的模型。
　　(3)利用數據驅動的斷點符號回歸方法研究67個國家2010年關于二氧化碳排放量與經濟發(fā)展間的截面數據，發(fā)現(xiàn)基于不同的二氧化碳排放量與經濟發(fā)展模型可以將這些國家大體分為三個階段，包括發(fā)展階段、過渡階段以及發(fā)達階段。
　　綜上分析，基于數據驅動的符號回歸方法和斷點符號回歸方法都能夠實現(xiàn)自動建模，即符號回歸方法能夠自動有效構建環(huán)境問題與經濟發(fā)