文献类型：期刊文章

作　　者：秦华英[1] 韩梦[2]

QIN Huaying;HAN Meng(School of Economics and Management, Qilu Normal University, Jinan 250202;School of Economy, Ocean University of China, Qingdao 266100)

机构地区：[1]齐鲁师范学院经济与管理学院,济南250202 [2]中国海洋大学经济学院,青岛266100

出　　处：《环境科学学报》

年　　份：2018

卷　　号：38

期　　号：5

起止页码：2099-2107

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、GEOBASE、IC、JST、PROQUEST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：随着全球气候变暖问题不断加重,二氧化碳排放量预测成为各国制定碳减排措施的核心问题.传统的二氧化碳排放量预测模型是基于同频数据进行的,高频数据必需处理为低频数据,这样不仅忽略了高频数据携带的有效信息,还影响了模型预测的及时性,降低了模型预测的精度.本文将混频数据抽样模型(MIDAS)用于碳排放量预测研究,分析了高频季度GDP滞后阶数变化效应及其对低频二氧化碳排放量的影响效应.研究结果表明,季度GDP对碳排放量具有正负两种效应,该效应会持续6个季度且以正效应为主,碳排放量自身之间也存在着相互影响,该影响会持续4年之久,这与中国的经济运行状况相吻合,说明混频数据抽样模型(MIDAS)对二氧化碳排放量预测的合理性.此外,混频数据抽样模型(MIDAS)在中国二氧化碳排放量的短期预测方面具有较高的预测精度,在实时预报方面具有显著的可行性和时效性.

关 键 词：碳排放 MIDAS 多项式权重  季度GDP

分 类 号：X32]