从非正规经济到可持续未来：环境税与绿色创新如何重塑G7国家碳足迹与生物多样性轨迹

这篇研究通过计量经济学模型(CS-ARDL/FMOLS)与深度学习(LSTM/CNN)的混合框架，揭示了G7国家非正规经济(SE)加剧环境退化，而环境税与绿色创新(GINV)能协同改善碳排放(CCO2)和生物多样性的关键机制，为平衡经济监管与生态保护提供了2030年前的政策预警。

　　

Highlight

非正规经济(SE)始终是气候与生物多样性政策的盲区。然而，其与财政和技术力量的相互作用能显著影响可持续转型的成败。我们提出一个创新集成框架，结合计量经济学模型与深度学习，考察SE、环境税和绿色创新对G7国家消费型CO₂排放(CCO₂)和生物多样性的作用。

文献综述

环境挑战促使学界探索经济增长与生态可持续的平衡。围绕SE、环境税、环境政策强度(EPS)和绿色创新对环境影响的分主题讨论显示：现有研究往往孤立分析这些因素，且多聚焦单一环境指标。

数据与方法

研究分析1994-2020年G7数据，SE数据采用世界银行MIMIC方法估算，CCO₂数据来自全球碳图谱，生物多样性数据源于生态足迹数据库。采用CS-ARDL和FMOLS模型处理横截面依赖性和非线性，并引入LSTM和CNN进行高精度预测。

结果

描述统计显示变量呈对称分布。关键发现：

1. 1.

   SE每扩大1%导致CCO₂上升0.12%（p<0.01），印证"去监管效应"主导

2. 2.

   绿色创新(lnGINV)每提升1%减少CCO₂ 0.08%并改善生物多样性指数

3. 3.

   环境税通过抑制SE的负面效应产生调节作用（交互项系数-0.05）

结论与政策建议

研究表明：

• •

  若不控制SE，G7将难以实现2030脱碳目标

• •

  建议采用激励型政策组合：

  (1) 渐进式环境税改革

  (2) 针对SE企业的绿色技术补贴

  (3) 建立跨国的非正规经济监测联盟

  方法论创新在于首次将深度学习应用于SE的环境效应预测，为政策制定提供动态模拟工具。