Spatiotemporal dynamics and drivers of green and low-carbon innovation efficiency: evidence from 280 Chinese cities using explainable machine learning

グリーン・低炭素イノベーション効率の時空間動態とそのドライバー：説明可能な機械学習を用いた中国280都市のエビデンス (AI 翻訳)

Ding Fan

International Review of Economics & Finance📚 査読済 / ジャーナル2026-05-05#エネルギー転換Origin: CN

DOI: 10.1016/j.iref.2026.105355

原典: https://doi.org/10.1016/j.iref.2026.105355

🤖 gxceed AI 要約

日本語

中国280都市を対象に、機械学習を用いてグリーン・低炭素イノベーション効率の時空間動態とそのドライバーを分析。地域間の効率格差や政策の影響を明らかにし、低炭素移行のための政策示唆を提供。

English

This study analyzes spatiotemporal dynamics and drivers of green and low-carbon innovation efficiency across 280 Chinese cities using explainable machine learning. It reveals regional disparities and policy impacts, offering insights for low-carbon transition policies.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

中国都市のデータに基づく研究であり、日本への直接応用は限定的だが、地域レベルのイノベーション効率評価手法は日本の自治体におけるGX政策立案に参考となる可能性がある。

In the global GX context

While focused on Chinese cities, this study demonstrates a methodological approach combining machine learning with innovation efficiency analysis that can be applied to regional green transition strategies globally.

👥 読者別の含意

🔬研究者:機械学習を用いたイノベーション効率評価の手法を参考にできる。

🏛政策担当者:地域別の低炭素イノベーション効率評価の枠組みを政策設計に活用できる可能性がある。

🔗 Provenance — このレコードを発見したソース

openalex https://doi.org/10.1016/j.iref.2026.105355first seen 2026-05-17 06:20:00 · last seen 2026-05-20 05:12:31

🔔 こうした論文の新着を逃したくない方はキーワードアラートに登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。