我国碳排放的动态分析基于结构分解的方法

我国碳排放的动态分析基于结构分解的方法

ID:33908853

大小:1.79 MB

页数:45页

时间:2019-03-01

我国碳排放的动态分析基于结构分解的方法_第1页
我国碳排放的动态分析基于结构分解的方法_第2页
我国碳排放的动态分析基于结构分解的方法_第3页
我国碳排放的动态分析基于结构分解的方法_第4页
我国碳排放的动态分析基于结构分解的方法_第5页
资源描述:

《我国碳排放的动态分析基于结构分解的方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、浙江工商大学硕士学位论文我国碳排放的动态分析:基于结构分解的方法姓名:董向阳申请学位级别:硕士专业:数量经济学指导教师:袁桂秋201112浙江工商大学硕士学位论文我国碳排放的动态分析:基于结构分解的方法摘要环境库兹涅茨曲线(EKC)为研究经济变量与环境变量的关系提供了一种基础框架,同时也为能源经济学的发展提供了理论基础。根据“耦合"理论,目前我国的经济增长与能源消耗呈现出正相关的关系,温室气体作为能源消耗的一种副产品,对全球气候影响巨大。本文以碳排放分解方法为出发点对国内外文献进行梳理,找出碳排放的影响因素和减排政策。为了避免样本选择偏误和准确分析我国碳排放的历

2、史状况,本文运用结构向量自回归(SVAR)方法,通过设定长期约束条件来识别未知参数。为了验证模型的稳健性,本文提出贝叶斯向量白回归方法,通过含信息和无信息两种先验分布设定模型的超参数并求解模型的待估参数,通过系数的对比得出本文的SVAR模型是稳健的。通过以上的参数估计和模型稳健性检验,本文得出如下结论:1)借助于“反事实"分析方法,我国经济增速在1995年之后才与碳排放增速呈现统计意义上的正相关,同时,我国的碳排放总量还没有达到拐点状态。2)由模型的稳健性检验反推变量的数据生成过程,在样本容量为50000的条件下,模拟的碳排放增速均值为7%左右,这表明在未来相当

3、长的时间段,除非碳减排技术出现实质性的改变,否T浙江工商大学硕士学位论文则我国的碳排放总量依然会在高位运行。3)如果GDP数据按当年价格计算,则模拟出的经济增长率以较大概率集中在10%一15%区间,这样在碳排放增速均值为7%的条件下,我国制定的到2020年单位GDP碳排放要在2005年的基础上下降40-45%的目标,将会以较大概率实现。尽管利用SVAR模型的分解方法和BVAR模型的稳健性检验可以更好地刻画我国碳排放的动态性,但是在全球系统性风险不断增加的情境下,我国碳排放的中长期发展目标依然将处于一种不确定状态。关键词:环境库兹涅茨曲线;温室气体排放;结构VAR

4、;反事实分析;贝叶斯VAR;超参数;Minnesota先验;后验模拟THEDYNAMICANALYSISOFCARBONE⋯SSIONSINCHINA:BASEDONMETHODOFASTRUCTURALDECOMPOSIT10NABSTRACTTheenvironmentalkuznetscurve(EKC)providesafundamentalframeworkforstudyingtherelationshipbetweeneconomicvariablesandenvironmentalvariables,andatthesametime,provid

5、esthetheoreticalfoundationforthedevelopmentofenergyeconomics.Basedonthetheoryof“coupling",China’Seconomicgrowthandenergyconsumptionsarenowpositivelycorrelated,andgreenhousegases,asabyproduct,vastlyaffecttheglobalatmosphere.Thispaperisabouttofindcarbonemissions’affectingfactorsandabat

6、ingpoliciesbasedoncarbonemissions’decomposingmethodsbysortingoutreferencesathomeandbroad.InordertoavoidthesampleselectionbiasandaccuratelyanalyzethehistoricalconditionofChina’Scarbonemissions,thispaperusesthemethodofstructualvectorautoregression(SVAR),andsetslong—termconstraintstoide

7、ntifyIII浙江工商大学硕士学位论文unknownparamentcrs.Inordertoguaranteetherobustnessofthemodel,thispaperproposesthemethodofBayesianVectorAutoregression,sets.hyperparametersofthemodelthroughthespecificationofinformativeandnoninformativepriors,andpresentsthattheSVARmodelisrobustbymakingacomparisiono

8、fparamenters

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。