碳排放预测与碳信息披露

前言

第1章 绪论
1．1 研究背景
1．2 研究意义
1．2．1 理论意义
1．2．2 现实意义
1．3 文献综述
1．3．1 碳会计信息披露
1．3．2 碳排放影响因素
1．4 研究内容与方法
1．5 创新与不足
1．5．1 本书创新点
1．5．2 本书存在的不足

第2章 理论基础
2．1 碳排放及相关理论
2．1．1 碳排放
2．1．2 灰色关联分析理论
2．1．3 人工神经网络理论
2．1．4 系统动力学理论
2．2 碳信息披露及相关理论
2．2．1 碳信息披露
2．2．2 企业社会责任理论
2．2．3 可持续发展理论
2．2．4 信息不对称理论
2．2．5 利益相关者理论

第3章 中国碳排放的智能预测
3．1 智能预测
3．1．1 碳排放影响因素的灰色关联分析
3．1．2 基于BP神经网络中国碳排放预测模型
3．1．3 基于RBF神经网络中国碳排放预测模型
3．1．4 基于小波神经网络中国碳排放预测模型
3．1．5 实证检验及结果分析
3．2 “十三五”期间碳排放预测及减碳对策研究
3．2．1 自变量情景值
3．2．2 “十三五”期间碳排放情景值预测
3．2．3 “十三五”期间减碳对策与途径

第4章 河南省碳排放峰值研究
4．1 河南省经济社会发展和碳排放现状
4．1．1 经济社会发展现状
4．1．2 能源消费现状
4．1．3 碳排放现状
4．2 河南省碳排放峰值模型构建及分析
4．2．1 系统分析
4．2．2 模型构建
4．2．3 模型分析
4．3 河南省碳排放峰值模型情景分析
4．3．1 情景设计
4．3．2 能耗和排放对比分析
4．3．3 综合对比分析

第5章 碳信息披露影响因素分析——中国制造业上市公司面板数据的实证研究
5．1 我国制造业上市公司碳会计信息披露现状
5．1．1 制造业的行业特征
5．1．2 我国制造业上市公司碳会计信息披露现状
5．2 理论分析与研究假设
5．2．1 财务特征影响因素分析
5．2．2 公司特征影响因素分析
5．2．3 样本选取和数据来源
5．2．4 变量定义
5．2．5 模型设定
5．3 实证研究结果与分析
5．3．1 描述性统计分析
5．3．2 相关性检验
5．3．3 多元回归分析
5．3．4 实证研究结果分析
5．3．5 稳健性检验

第6章 结论与展望
6．1 结论
6．1．1 中国碳排放的智能预测
6．1．2 河南省碳排放峰值预测
6．1．3 碳信息披露影响因素
6．2 展望

参考文献
附录