论文部分内容阅读
近几年来，人们越来越关注经济发展带来的环境问题。传统研究环境污染与经济发展的关系一般采用实证方法，即事先假定模型结构然后估计变量参数。一方面它需要特定领域知识来假定正确的模型结构，另外一方面由于假定的模型结构缩小了模型的可选择范围，有可能漏掉其他更适合的潜在模型。关于经济发展引起环境问题的研究有很多，也存在着不同的关系。在一些研究的具体问题中我们发现有些模型并不是连续型的，即存在不连续点，使得不同的情况下变量间存在多种模型，传统研究不连续问题的有断点回归方法，和传统实证方法存在着同样的缺点，它需要丰富的专家知识辨别出临界值，然后利用传统回归方法估计临界值两边的模型。相比传统实证方法，基于数据驱动的符号回归方法从数据角度出发，不需要事先假设模型的框架，仿照达尔文的进化论，依靠计算机程序进行复制，交叉，突变等操作自动寻找隐藏在数据系统背后的关系模型。然而由于不连续点的存在，经典符号回归方法不能很好地对断点问题进行自动建模，本文提出了一种新的符号回归方法，即断点符号回归方法来自动解决环境污染与经济发展间存在的不连续建模问题。 因此，本文将基于数据驱动的符号回归和断点符号回归方法分析环境污染与经济发展间的关系，其基本研究结果如下: (1)研究67个国家二氧化碳排放量与经济发展的关系，利用符号回归方法自动找寻这些国家的模型，不仅能识别出传统实证方法得到的环境库兹涅茨曲线模型，还能找到具有更高拟合度和解释能力的M曲线模型。 (2)提出新的断点符号回归方法实现对断点问题的自动建模，通过测试基准函数集，发现断点符号回归方法能够有效找到不连续点位置并正确估计两边的模型。 (3)利用数据驱动的断点符号回归方法研究67个国家2010年关于二氧化碳排放量与经济发展间的截面数据，发现基于不同的二氧化碳排放量与经济发展模型可以将这些国家大体分为三个阶段，包括发展阶段、过渡阶段以及发达阶段。 综上分析，基于数据驱动的符号回归方法和断点符号回归方法都能够实现自动建模，即符号回归方法能够自动有效构建环境问题与经济发展之间的连续模型，而断点符号回归方法能够有效解决环境问题与经济发展之间存在的不连续模型。两者是实证方法的一个有效补充，为探究经济发展和环境问题提供了新的方法和途径。