Caracterização do perfil global de emissões de gases de efeito estufa utilizando “machine learning”

Abstract

Considerando o contexto atual, em que se busca um crescimento econômico sustentável com ênfase em políticas e incentivos associados a questões ambientais, este estudo investigou o grau de importância relativo de determinantes socioeconômicos no entendimento do perfil de emissões de gases de efeito estufa a partir de uma abordagem de “machine learning”. Foi estimado um modelo do tipo “random forest” a partir de dados sobre a capacidade produtiva econômica e a quantidade de emissões de gases de efeito estufa no período entre 1990 e 2018. A amostra estudada consistiu em países que representavam as maiores e menores economias globais, selecionados a partir do seu nível de atividade econômica no período. Inicialmente, identificaram-se as variáveis mais relevantes a partir da técnica de eliminação recursiva de variáveis; em seguida, o modelo foi treinado empregando a técnica de “cross validation”; e, por fim, foi validado com os dados selecionados para teste. As métricas de desempenho não indicaram problemas de “overfitting”, e os resíduos das estimativas se comportaram de acordo com a distribuição normal. A partir do modelo estimado neste trabalho, observou-se que o perfil de emissões de gases de efeito estufa foi influenciado de maneira distinta dependendo do país analisado, de forma que os fatores mais ou menos relevantes indicaram estar associados com o nível de atividade econômica. Assim, as discussões e a modelagem apresentadas no presente trabalho se propuseram a incentivar políticas de incentivo e medidas de controle direcionadas aos setores mais relevantes, que pudessem contribuir para um crescimento econômico sustentável.