企业特征对中国碳排放的非线性与协同影响——基于 LightGBM-ALE 的研究

研究概述

在全球加速迈向碳中和的背景下，企业作为能源消耗和温室气体排放的直接主体，是减排目标能否实现的关键环节。然而，现有研究多集中于国家、省域、城市等宏观层面，对企业这一微观排放主体的碳排放驱动机制关注不足。

本研究基于大规模中国企业级碳排放数据，引入 LightGBM 梯度提升模型与可解释人工智能（XAI）技术，系统探讨企业社会经济特征对碳排放的非线性响应规律及其行业与城市异质性。区别于传统线性模型，本研究能够捕捉阈值效应、边际效应变化和阶段性转换等复杂模式，为制定差异化、精准化的企业碳减排政策提供科学依据。

研究方法

• 核心模型：LightGBM（Light Gradient Boosting Machine）
• 解释方法：SHAP（Shapley Additive Explanations）+ ALE（Accumulated Local Effects）
• 分析维度：全国尺度 → 行业异质性 → 城市异质性，逐层深入

作者

Minjie Ying (重庆大学)

---

注：本文暂未正式发表，具体数据规模、实验结果及政策建议将在论文公开发布后补充介绍。