基于构建的峰值综合判断系统，对全球134个不同社会经济发展水平国家2017年的碳达峰状态进行了研判，并结合机器学习二分类算法中的逻辑回归对134个国家的判断结果进行了交叉验证，以确保判断系统的合理性和研判结果的显著性，在此基础上按照系统输出的综合评价指数对不同国家社会经济发展差异性进行了分析。为了进一步揭示不同发展水平国家
碳排放特征差异化的原因，以便更好的解释
碳排放趋势变动和碳达峰背后的驱动力，选取了全球部分典型国家，在建立向量自回归模型的基础上，利用脉冲响应和方差分解分析探究了技术变革和结构调整对于碳排放变动的驱动效应。
为了进一步验证碳排放峰值判断模型的相对准确性，使用机器学习方法中的逻辑回归模型对判断的结果进行回归检验。以Sigmoid函数为基础的logistic回归模型常用于数据挖掘和分类预测，尤其多应用于解决二分类问题，可以描述多个自变量和因变量之间的关系，自变量可以是连续性数据也可以是离散型数据。考虑到是否达峰问题属于典型的二分类问题，并且也牵扯到基于多个自变量的峰值预测，所以用逻辑回归模型来做模型结果检验再合适不过了。
通过利用计量经济学中的脉冲响应和方差分解分析来探究典型国家结构调整以及技术变革因素对二氧化碳排放变动驱动方向和驱动程度。两种方法都是以建立具有稳定状态的向量自回归模型为前提的，而建立VAR模型有需要保证时间序列的平稳性和变量间的协整性。 本文+内-容-来-自；中^国_碳+排.放_交^易=网 t a n pa ifa ng .c om
【版权声明】本网为公益类网站，本网站刊载的所有内容，均已署名来源和作者，仅供访问者个人学习、研究或欣赏之用，如有侵权请权利人予以告知，本站将立即做删除处理（QQ：51999076）。
国家工信部备案/许可证编号
