人工智能相关专利、能源转型、环境政策严格程度、收入以及能源消费类型对环境可持续性的影响：基于KRLS方法的中国实证研究

《Journal of Environmental Management》：Effect of AI-related patents, energy transition, environmental policy stringency, income, and energy consumption sub-types on the environmental sustainability: Evidence from China by KRLS approach

本研究运用KRLS方法分析2000-2020年中国环境可持续性数据，发现人工智能专利和能源转型无效，环境政策在特定分位有效，经济增长及化石能源消费不利，核能在低分位有效，可再生能源无效，KRLS预测准确。

　　随着全球环境问题的日益严峻，中国作为世界上最大的经济体之一，其环境可持续性（ES）的状况引起了广泛关注。近年来，气候变暖、资源枯竭、生态破坏等问题不断加剧，这些现象不仅影响自然环境，还对社会和经济产生深远的影响。因此，研究如何有效提升环境可持续性成为学术界和政策制定者的重要课题。本研究聚焦于中国，探讨一系列关键因素对环境可持续性的影响，这些因素包括人工智能相关的专利（AIP）、能源转型（ET）、环境政策严格性（EPS）、收入、以及不同类型的能源消费（EC），如非可再生能源消费（NEC）、可再生能源消费（REC）和核能消费（NEC）。研究采用核函数正则化最小二乘法（KRLS）对2000年至2020年的年度数据进行分析，以揭示变量在不同百分位数下的边际效应。

环境可持续性是衡量一个国家或地区在经济发展与生态保护之间平衡的重要指标。在这一背景下，研究采用了生态足迹（EFP）和负载能力因子（LCF）作为衡量ES的代理变量。EFP衡量人类对自然资源的需求，而LCF则反映自然环境的承载能力。这两个指标的结合能够全面评估环境可持续性。EFP的增加和LCF的下降通常被视为经济快速发展与环境可持续性之间失衡的信号，这种失衡可能导致生态系统的脆弱性增加，从而对可持续发展目标构成挑战。

人工智能相关的专利在现代科技创新中扮演着重要角色，被认为是推动经济和社会发展的重要工具。然而，本研究的结果显示，AI相关的专利在促进环境可持续性方面并未表现出显著的正面效果，甚至在某些情况下可能带来负面的影响。这一发现表明，尽管人工智能技术在提升生产效率、优化能源系统和智能资源管理方面具有潜力，但其实际应用中仍然存在诸多障碍。一方面，人工智能的发展可能伴随着较高的能源消耗，从而加剧环境压力；另一方面，当前的技术政策更倾向于经济竞争力和经济增长，而忽视了对环境可持续性的关注。因此，如何在推动技术进步的同时，确保环境可持续性成为亟待解决的问题。

能源转型是实现环境可持续性的关键途径之一。在这一研究中，能源转型被定义为从传统能源向清洁能源的转变，包括可再生能源和核能的推广。然而，研究结果表明，能源转型在促进环境可持续性方面也未能表现出显著的正面效果。这可能与能源转型的实施难度、政策支持力度以及技术成熟度有关。尽管能源转型在全球范围内被认为是应对气候变化的重要策略，但在实际操作中，许多国家仍然面临技术瓶颈、资金短缺和政策执行不力等问题。因此，能源转型的成效可能受到多种因素的制约，不能简单地认为其能够直接提升环境可持续性。

环境政策严格性（EPS）是影响环境可持续性的另一重要因素。研究发现，EPS在不同百分位数下的边际效应存在显著差异。具体而言，EPS在0.25和0.75百分位数下表现出一定的正面效果，但在其他百分位数下则效果不明显。这一结果表明，环境政策的严格性在不同经济背景下可能产生不同的影响。例如，在经济较为发达的地区，严格的环境政策可能更容易被实施和执行，从而对环境可持续性产生积极的作用；而在经济欠发达的地区，严格的环境政策可能由于执行能力不足而难以发挥作用。因此，环境政策的严格性需要与当地的经济和社会条件相结合，才能真正发挥其促进环境可持续性的作用。

能源消费在环境可持续性中也扮演着关键角色。研究发现，非可再生能源消费（如石油、天然气和煤炭）在所有百分位数下都对环境可持续性产生不利影响。这一结果表明，过度依赖非可再生能源不仅会加剧资源枯竭和环境污染，还会对生态系统的稳定性造成威胁。相比之下，可再生能源消费在某些情况下可能带来正面影响，但在其他情况下则效果不明显。这一现象可能与可再生能源的使用规模、基础设施建设和互补政策的实施有关。例如，如果可再生能源的使用规模较小，或者基础设施建设不足，那么其对环境可持续性的正面影响可能被削弱。此外，互补政策的实施也是影响可再生能源消费效果的重要因素，例如政府的补贴政策、税收优惠等。

核能消费在某些百分位数下表现出一定的正面效果，但在其他情况下则效果不明显。这一结果表明，核能作为一种相对清洁的能源形式，其对环境可持续性的贡献可能受到多种因素的影响。例如，核能的使用可能受到技术成熟度、安全风险、公众接受度以及政策支持的制约。在某些情况下，核能的使用可能有助于减少碳排放和环境压力，但在其他情况下，核能的使用可能由于安全问题或技术瓶颈而难以发挥其应有的作用。因此，核能的使用需要在技术、安全和政策层面进行全面评估，才能确保其对环境可持续性的正面影响。

本研究采用的KRLS方法在分析变量对环境可持续性的影响方面表现出较高的预测精度，达到99.7%。这一方法能够有效捕捉变量在不同百分位数下的边际效应，从而揭示变量之间的非线性关系。KRLS方法的优势在于其能够处理复杂的非线性关系，而传统的线性回归方法可能无法准确反映这种关系。因此，采用KRLS方法进行分析，有助于更全面地理解变量对环境可持续性的影响机制。

此外，研究还发现，一些变量在不同百分位数下表现出边际和变化的效果，而另一些变量则效果不明显。例如，核能消费和可再生能源消费在某些百分位数下可能对环境可持续性产生正面影响，但在其他情况下则效果有限。这表明，能源消费的类型和规模对环境可持续性的影响可能因地区、时间和其他经济条件的不同而发生变化。因此，研究需要在不同的经济背景下进行，以揭示变量之间的复杂关系。

在政策制定方面，本研究的发现对中国的环境政策和能源政策具有重要的启示。首先，环境政策的严格性需要与执行能力相结合，以确保其能够真正发挥作用。其次，能源转型的实施需要考虑技术、经济和社会条件，以确保其能够有效减少环境压力。第三，能源消费的类型和规模需要进行优化，以减少对环境的负面影响。例如，减少对非可再生能源的依赖，增加对可再生能源和核能的使用，有助于提升环境可持续性。此外，人工智能相关的专利在促进环境可持续性方面未能表现出显著的正面效果，这可能意味着当前的技术政策需要进行调整，以更好地关注环境可持续性。

本研究的发现还表明，环境可持续性是一个复杂且多维的概念，受到多种因素的影响。因此，政策制定者需要综合考虑这些因素，以制定更加有效的政策。例如，环境政策的严格性、能源转型的实施、能源消费的优化以及人工智能技术的应用，都需要在政策层面进行协调和整合。只有这样，才能确保环境可持续性得到有效的提升。

综上所述，本研究通过对2000年至2020年中国年度数据的分析，揭示了人工智能相关的专利、能源转型、环境政策严格性、收入以及不同类型的能源消费对环境可持续性的影响。研究发现，AI相关的专利和能源转型在促进环境可持续性方面未能表现出显著的正面效果，而环境政策严格性在某些百分位数下可能带来一定的正面影响。非可再生能源消费对环境可持续性产生不利影响，而可再生能源消费和核能消费的效果则因百分位数的不同而有所变化。KRLS方法在分析这些变量之间的关系方面表现出较高的预测精度，有助于更全面地理解环境可持续性的复杂机制。这些发现对中国的环境政策和能源政策具有重要的启示，为未来的研究提供了新的方向。