Quah在20世纪90年代第一次提出的动态分布法能够很好解决江苏省二氧化碳分布动态这个问题，该方法通过分布的密度来判断收敛区间与程度，并能够通过转换概率矩阵和遍历分布来揭示二氧化碳的收敛过程的动态的演变.他提出的方法分布动态可以十分直观地描述所考察区域变量分布的形状以及分布随时间演化过程，而这对于研究分布动态问题的传统方法的分析而言，具有很明显的优势，是一种更能完整描述事实现象的非参数估计的方法.分布的动态方法包括马尔科夫链的方法与核密度估计方法，前一个能将人均的碳排放量的序列作为离散的状态的处理，而后一个能将二氧化碳排放作为连续状态的处理.借鉴Quah的研究成果以及国外最新研究的成果，本论文对江苏省二氧化碳排放空间的非平衡分布及其演进的趋势进行了实证分析，本论文的主要贡献主要来自于以下两大方面：第一点，采用动态分布的方法研究了江苏省人均二氧化碳排放量的地区分布和其演变的趋势；第二点，利用人均二氧化碳排放量的碳排放指标.

    江苏省是我国碳排放量比较大的省份.所以本文拟在对 2000至2011 年江苏省 的12个省辖市的人均碳排放量分析基础上，试图得到一些知识上的二氧化碳排放量的规律性，为江苏省的低碳城市的建设与产业的结构的调整提供一些参考.

2  研究方法与样本数据

2.1  研究方法

    分布动态的方法是属于非参数估计的方法，它是评价地区人均二氧化碳排放分布的演变：人均二氧化碳排放量的分布的形态.它涉及地区人均二氧化碳排放的分布形态及它随时间的变化，评估形状的动态的一个很重要的方法就是通过用Kernel密度估计量来估计横截面的分布.

    Kernel密度估计.核密度估计的方法作为一种十分重要的非参数方法，它早已经成为研究不均衡性的分布的一种比较流行的要领.这种方法主要用于随机变量来估计概率密度，用连续曲线来描述随机变量的密度分布.假设随机变量 X 的密度函数为 f ( x )，在点 x 的概率密度可以由公式（1）进行估计：

                  （1）

式中的N 表示观测值的个数；h 表示带宽；K(⋅) 为核函数；它是一种加权的函数或平滑转换函数；是独立同分布的观测值；x 表示均值.

    在Kernel密度估计的过程中，由于核密度函数对于带宽的选择性非常的敏感，所以一个恰当的带宽的选择对于取得最优拟合的结果十分的重要，因为它可以确定平滑核密度估计的精度和程度的核密度地图，所以H带宽核密度估计的重要性的选择比的核函数方法的重要性要大得多.在现实生活中，如果样本量越多，所需要的带宽就要小一些，但也不要太小，h 应该是 N 的函数，而且应满足公式（2）：文献综述

                   （2）

    核函数是一种加权函数或指平滑函数，根据核密度函数的表达的形式的不同，划分为高斯核、Epanechnikov核、三角核、四次核等等类型.本文选择经常使用的高斯核函数，用高斯核函数来对本省人均二氧化碳排放量的分布动态演变来进行估量，其表达式如公式（3）：

                   （3）

    因为非参数估计方法没有确定的函数的表达公式，所以需要通过图形比较来考察分布演变.一般而言，从作出核密度估计结果的图形，再通过观察图形，则可以得到变量分布的位置、形态和延展性3个方面的重要信息.另外，核密度估计绘图软件采用R语言.