面向可持续气候治理的国家CO2排放水平全球机器学习分类：责任型可解释人工智能与跨国家、跨时间泛化验证

《Frontiers in Artificial Intelligence》：A global machine learning framework for classifying national CO2 emission levels: responsible and explainable artificial intelligence for sustainable climate governance

　　

研究人员考察贸易开放度（trade openness）、治理（governance）、环境税（environmental taxation）与所选宏观经济指标（macroeconomic indicators）能否对2000—2023年观测到的国家同期CO₂排放水平进行分类，数据来自世界发展指标（World Development Indicators, WDI）与经济合作与发展组织（OECD）。人均CO₂排放被划分为低、中、高三个有序水平，使用仅在各验证划分的训练数据上估计的三分位切点（tertile cut points）。四类分类器，包括随机森林（Random Forest, RF）、XGBoost、支持向量机（support vector machine, SVM）和多项逻辑回归（multinomial logistic regression），被调参并与两个专为有序结果设计的模型，即有有序逻辑回归（ordered logistic regression）和XGBoost的有序分解，在四种验证设计下比较：按国家分组留出法（country grouped holdout）与按国家分组5折交叉验证（country grouped 5 fold cross validation），其中任何国家均不同时出现在训练集和测试集；按时间留出法（chronological holdout）；提前1年预测任务（1 year ahead forecasting task）；以及随机分层国家-年份划分（random stratified country year split），仅作为参考点保留。在按国家分组交叉验证下，没有任何分类器相较其他分类器取得决定性更高准确率：嵌套交叉验证（nested cross validation）给出平均准确率，XGBoost为0.644，随机森林为0.648，支持向量机为0.671，多项逻辑回归为0.674，有序逻辑回归为0.676，有序XGBoost模型为0.637，且全程置信区间重叠。该结果显著低于在随机国家-年份划分下用相同调参流程获得的0.91准确率，XGBoost差距为12.5个百分点，确认随机划分下可获得的高准确率中有相当部分反映模型识别此前见过的国家画像，而非泛化到未见国家。在按时间留出法和提前1年预测任务下，准确率下降较缓，处于0.65至0.74区间，表明分类器在一国之内跨时间泛化优于跨国家泛化。排列重要性（permutation importance）、SHAP和LIME一致识别政府效能（government effectiveness）、城市人口增长（urban population growth）和环境税收入（environmental tax revenue）为与模型预测关联最强的特征，贸易开放度贡献中等，GDP增长（GDP growth）贡献最小，该排序在重要性方法、学习算法和交叉验证折之间稳定。这些变量是模型输出的预测变量，而非估计的排放因果决定因素，结果最好解读为气候风险监测与进一步政策评估的证据，而非因果政策评估。

研究背景与问题。21世纪气候变化已成为重要经济与环境议题。CO₂是主要温室气体强迫，世界气象组织观测显示大气温室气体浓度处于高位，CO₂浓度至少高于两百万年来任何时期。京都议定书、巴黎协定和净零排放目标表明，气候变化减缓不仅是科学问题，也涉及国际合作、国家政策设计与经济结构调整。联合国环境规划署排放差距报告指出，当前政策趋势不足以实现1.5℃目标，气候雄心与实际排放结果之间差距扩大。现有机器学习排放研究多将排放作为连续结果，在少数排放大国或单一国家中预测，或按其他可持续、治理、创新指数分类国家，未将排放本身作为有序、面板结构化结果，也未检验跨国家或跨时间泛化。因此，研究人员旨在考察贸易开放、治理、环境税和宏观变量能否分类国家CO₂排放水平，并检验模型对未见国家和时期的泛化能力。

研究人员开展的研究及结论。研究使用135国2000—2023年面板，数据来自世界发展指标（WDI）和OECD，最终估计样本为131国3144国家-年。因变量人均CO₂排放按训练折三分位切点分为低、中、高有序类别。六个分类器包括随机森林、XGBoost、支持向量机（SVM）、多项逻辑回归、有序逻辑回归和有序XGBoost。四种验证设计包括按国家分组留出和5折、按时间留出、提前1年预测、随机分层国家-年份参考。研究结论是：按国家分组下准确率约0.62—0.65，模型间无决定性差异；随机分层参考约0.75—0.77，差距主要反映模型识别已见国家画像；时间验证约0.65—0.74，说明跨时间泛化优于跨国家泛化。政府效能、城市人口增长和环境税收入是最重要且稳定的预测特征，贸易开放度贡献中等，GDP增长最弱。结果应作为预测关联而非因果证据。其意义在于为气候风险监测和进一步政策评估提供透明、可解释的人工智能框架。

关键技术方法（≤250字）。样本队列来源为世界发展指标（WDI）和OECD数据库，覆盖135国2000—2023年面板，估计样本131国3144国家-年。研究人员将人均CO₂排放按训练折三分位切点分为低、中、高有序类别；特征包括贸易开放度、GDP增长、政府效能、法治、资本形成、城市人口增长、劳动力参与率和环境税收入。使用随机森林、XGBoost、支持向量机（SVM）、多项逻辑回归、有序逻辑回归和有序XGBoost六类分类器。验证设计包括按国家分组留出和5折、按时间留出、提前1年预测及随机分层参考，并采用嵌套交叉验证、国家聚类bootstrap和重复5×5交叉验证。评价指标包括准确率、平衡准确率、宏F1、二次加权Cohen's kappa、平均绝对误差、严重错误、Brier分数和预测熵。解释方法包括排列重要性、SHAP、LIME、累积局部效应、部分依赖和SHAP交互。插补、缩放和切点仅在训练折拟合。

研究结果。样本与缺失值（Sample and missingness）：面板包含135国2000—2023年观测，最多3240国家-年；列支敦士登、黑山、瑙鲁和塞尔维亚因CO₂数据不可用被排除，去除96个缺失或非正CO₂国家-年行后，估计样本为131国3144国家-年。八个预测变量缺失率从城市人口增长0.0%到环境税收入12.0%，总体预测变量缺失率5.9%；贸易开放度9.6%，资本形成11.9%。插补、特征缩放和三分位阈值估计仅在各验证设计训练折内拟合。

验证设计比较（Validation design comparison）：随机分层国家-年份参考下，XGBoost准确率0.749，二次加权Cohen's kappa为0.788，随机森林为0.766。按国家分组设计下，所有分类器准确率明显下降：XGBoost为0.624，下降12.5个百分点，随机森林0.629，支持向量机0.650，多项逻辑回归0.622，有序逻辑回归0.631，有序XGBoost0.640。按时间留出下随机森林达到0.740，有序XGBoost为0.716；提前1年预测下XGBoost为0.710，有序XGBoost为0.700。国家聚类bootstrap比较未发现XGBoost与其他分类器有统计可区分差异。嵌套按国家分组5折交叉验证中，平均准确率XGBoost为0.644，随机森林0.648，支持向量机0.671，多项逻辑回归0.674，有序逻辑回归0.676，有序XGBoost0.637，平均二次加权Cohen's kappa为0.689至0.720。重复5×5按国家分组交叉验证中，随机森林平均准确率0.671，XGBoost为0.659。

按国家分组设计的混淆矩阵（Confusion matrices under the country grouped design）：低和高类别分类较好，中等类别对每个模型都最难，且大量中等观测被误分为低。XGBoost中，253个低观测有235个正确，259个高观测有119个正确，280个中等观测仅140个正确，其中94个误分为低。相同模式出现在随机森林、支持向量机和两个logit模型中，有序XGBoost仅将280个中等观测中的145个分类正确。跨两个类别的严重错误很少，说明误差集中于相邻类别。

敏感性分析（Sensitivity analyses）：在按国家分组5折交叉验证中，随机森林和XGBoost基线准确率分别为0.656和0.645。将汇总三分位替换为按日历年分别计算的三分位仅轻微改变准确率；替换为固定国际阈值2.0和6.0吨人均CO₂后准确率降至0.614和0.603；排除10个最高排放国后准确率升至0.707和0.690；限制为完整案例略升至0.686和0.675；用迭代插补替换中位数插补后基本不变，为0.659和0.651；分别删除政府效能或法治仅轻微改变准确率。能源使用、化石燃料份额和人均GDP在底层数据集中不可用，因此未能作为额外稳健性检验加入。

预测变量依赖性（Predictor dependence）：政府效能与法治高度相关，Spearman rho为0.914，方差膨胀因子分别为7.77和7.75，是仅有的接近常规关注阈值的变量；其余六个预测变量方差膨胀因子低于1.4。环境税收入与两个治理变量中度相关，与政府效能Spearman rho为0.48，与法治为0.46；城市人口增长与二者中度负相关。

特征重要性：排列重要性与SHAP（Feature importance: permutation importance and SHAP）：排列重要性在按国家分组测试集上计算显示，政府效能是XGBoost和随机森林最重要的预测变量，XGBoost平均重要性0.123，随机森林0.081；其次是城市人口增长，分别为0.081和0.101；再次是环境税收入，分别为0.039和0.033。其余五个预测变量，法治、贸易开放度、资本形成、劳动力参与率和GDP增长，排列重要性接近零。SHAP结果确认该排序，政府效能、城市人口增长和环境税收入在随机森林和XGBoost中均居前三，GDP增长信息量最低。随机森林与XGBoost的SHAP排序Spearman秩相关为0.952，XGBoost内排列重要性与SHAP排序相关为0.881；两模型排列排序相关较低，为0.714，反映五个低排名预测变量排列重要性接近噪声底线。按国家分组5折交叉验证中，折间平均成对Spearman秩相关为0.555，最低0.405，三个领先变量在5折中的3折占据前三，其余五个低重要性预测变量排序较不稳定。

效应方向：SHAP汇总图（Direction of effects: SHAP summary plots）：低CO₂面板中，低政府效能和低城市人口增长推向低排放类别；高CO₂面板中，高政府效能、高环境税收入和低城市人口增长推向高排放类别。高排放观测中环境税收入较高，应解读为高收入、高排放发展阶段伴随的财政和行政能力标志，而非环境税本身增加排放。中等CO₂面板明显更压缩，多数变量SHAP值接近零，说明中等类别缺乏自身鲜明画像，主要作为低和高清晰特征的缺失被残余识别。

累积局部效应、部分依赖与SHAP交互（Accumulated local effects, partial dependence, and SHAP interactions）：累积局部效应和中心化部分依赖图对三个最高排名预测变量结果接近。政府效能在0—100尺度上超过约65—70后，高类别概率明显上升，低类别概率下降；城市人口增长高于约2—3%每年与低类别概率显著升高和高类别概率降低相关，范围外关系变平；环境税收入升至约GDP的1.5%前，高类别概率陡升，之后平台化。XGBoost的SHAP交互值显示最强交互为城市人口增长与环境税收入、政府效能与城市人口增长、贸易开放度与城市人口增长，均明显大于政府效能与法治的交互。

局部解释：LIME案例研究（Local explanations: LIME case studies）：LIME用于按国家分组设计下XGBoost模型，从每个实际排放类别中随机抽取最多5个正确分类和最多5个误分类观测，共30个案例。按特征聚合绝对LIME权重确认全局SHAP排序：政府效能和城市人口增长在各类正确和误分类案例中平均绝对权重最大，环境税收入次之，GDP增长和资本形成贡献最小。误分类案例主要为中等类别观测被分为低或高，其LIME权重明显更小且更均匀分散，与中等类别压缩、非单调SHAP模式一致。

子组表现（Subgroup performance）：按世界银行区域和OECD成员身份，按国家分组测试集分类准确率差异较大。北美在一个测试国家下准确率0.958，撒哈拉以南非洲7个测试国家下0.923，南亚0.875，拉丁美洲和加勒比0.604，欧洲和中亚0.505，东亚和太平洋0.431，中东和北非2个测试国家下0.417。由于部分区域测试国家数很少，这些区域数字应视为指示性。OECD成员准确率0.708，非成员0.605，与OECD来源环境税变量在成员中测量更完整一致有关。

结论与政策建议（Conclusion and policy recommendations）：论文分析贸易开放度、治理、环境税和一组宏观变量能否将国家分类为低、中、高CO₂排放水平，并检验分类能否泛化到未见国家和时期。按国家分组验证下，最佳模型准确率约0.62—0.65，六个分类器置信区间重叠，无模型取得决定性优势。随机分层国家-年份划分可达约0.75—0.77，差距直接反映国家制度、贸易和城市化画像跨年持续性，而非对未见国家的真实预测能力。按时间留出和提前1年预测准确率约0.65—0.74，说明分类器在一国之内跨时间泛化优于跨国家泛化。特征重要性经排列重要性、SHAP和LIME一致确认，最重要且稳定的预测变量是政府效能、城市人口增长和环境税收入；贸易开放度、法治、资本形成和劳动力参与率在这些变量之外贡献较小，GDP增长预测力最弱。SHAP和累积局部效应显示，弱制度和快速城市增长对应低排放国家-年，强制度、低城市增长和较高环境税征收对应高排放国家-年，反映发展梯度而非独立因果杠杆。政策上，这些结果与制度质量、城市化管理和环境财政能力在气候监测中的作用相一致，而短期经济增长指标预测关联较弱。治理与分类的强稳定关联说明治理指标可作为气候监测输入，但这是预测关联，不是治理对排放因果效应的估计。环境税收入与高排放分类的关联最合理反映高收入、高排放经济体的财政和行政能力，而非税收对排放的因果效应，也不应作为环境税政策有效性的证据。将这些关联转化为具体治理、城市化或税收政策建议需要因果证据，该预测设计无法提供。局限包括：模型全程为预测而非因果；排放类别相对于样本国家和时期定义；预测变量限于贸易、治理、财政和宏观变量，缺少能源使用、化石燃料份额等直接能源变量；样本构成受OECD环境税数据覆盖约束，非OECD成员准确率0.605低于OECD成员0.708，且区域表现差异大、部分区域不精确；中等排放类别在所有模型和验证设计下最难分类，表现为压缩、非单调SHAP模式和误分类案例LIME证据。未来研究应加入能源使用、化石燃料份额等直接能源变量，探索神经网络和更宽超参数搜索，结合固定或随机效应面板模型、工具变量方法等计量模型检验因果渠道，并扩展SHAP交互对和留一国验证设计。