复现《Revealing the nonlinear impact of environmental regulation on ecological resilience using the XGBoost‑SHAP model》论文

——基于长三角地区41个城市的实证分析（2010–2022）

摘要

本文旨在完全复现 Wu 等（2025）发表于Journal of Cleaner Production的研究，该研究首次将XGBoost‑SHAP 可解释机器学习框架引入城市生态韧性（Ecological Resilience, ER）分析，揭示了环境规制（Environmental Regulation, ENR）对 ER 的非线性影响及交互机制。由于原始数据涉及政府工作报告文本及多种社会经济统计指标，无法直接获取，本文采用模拟面板数据的方式，严格遵循原文的指标体系构建、CRITIC 赋权、核密度估计（KDE）、XGBoost 超参数优化、SHAP 解释等完整流程，提供逐行注释的 Python 代码与详细的方法论阐述。本文不仅复现了原文的主要结论——环境规制存在0.8%的阈值效应、贡献率达 1