IGTWR：交互式地理和时间加权回归探索碳排放的时空特征和驱动因素

本推文来源： DS+Xs成长空间

（1）什么是交互式地理和时间加权回归模型（IGTWR）

GeoDetector 可以根据自变量和因变量空间分布的相似性判断自变量是否对因变量产生显著影响，通过空间叠加技术分析因子相互作用对因变量的影响机制（ 王和徐，2017 ， 拉奥等人，2024 )。利用GeoDetector选取对空间分布解释力较强的交互因子。与其他回归模型不同，GTWR模型通过时空加权机制捕捉和描述空间异质性和时间变化，并从时空视角量化因子交互作用对区域碳排放空间分布的影响。 因此，本文将GeoDetector与GTWR结合起来，形成IGTWR模型， 探讨驱动因素及其因子交互作用对黄河上游碳排放空间分布的影响机制。

（2） IGTWR 模型怎么构建？

步骤 1：通过 GeoDetector 选择相互作用的因素。

第2步：检验因子的多重共线性，并采用逐步回归的方法得到最终的因子。

步骤3：将最终的因素代入GTWR模型，得到IGTWR模型。

（3）主要分析图

（4）亮点

• •

  探索碳排放的时空特征及驱动因素。

• •

  提出一种新的交互式地理和时间加权回归模型。

• •

  因素间相互作用表现出双因素强化和非线性增强。

• •

  单一因素和交互作用对碳排放的影响表现出空间异质性。

（5）摘要

各国需要科学制定碳峰值与碳中和战略。本研究扩展了地理时间加权回归（GTWR）模型，纳入GeoDetector的因子交互检测板块，研究中国重要经济区长江经济带区域碳排放影响因素的时空特征。所提出的交互式地理时间加权回归（IGTWR）模型的结果表明，碳排放演变在时间维度上可分为两个阶段。在空间分布上，长江经济带的碳排放呈东北- 西南向分布，以湖北省为中心，覆盖地理范围广泛。碳排放驱动因素及其因子相互作用都具有空间异质性。

（5）科学问题引出

现有研究主要关注单个因素对碳排放的影响， 往往忽略了这些因素之间的相互作用及其对空间异质性的综合影响。 实际上，碳排放受多种因素影响，这些因素之间的相互作用复杂多变。因此， 仅关注单个因素的影响不足以全面理解碳排放的时空动态。