[1]Xu Z H. Coupling Coordination Development and Driving Factors of New Energy Vehicles and Ecological Environment in China[J]. Wuhan University Journal of Natural Sciences, 2025, 30(1): 79-90.[2] 潘苏楠, 李北伟, 聂洪光. 我国新能源汽车产业可持续发展综合评价及制约因素分析—— 基于创新生态系统视角[J]. 科技管理研究, 2019, 39(22): 41-47.[3] 张锦程, 方卫华. 政策变迁视角下创新生态系统演化研究—— 以新能源汽车产业为例[J]. 科技管理研究, 2022, 42(11): 173-182.[4] 王达, 周映雪. 随机森林模型在宏观审慎监管中的应用—— 基于18 个国家数据的实证研究[J]. 国际金融研究, 2020, (11): 45-54.[5]Joseph A. Shapley regressions: A framework for statistical inference on machine learning models[J]. SSRN Electronic Journal, 2019.[6]Bracke P, Datta A, Jung C, et al. Machine learning explainability in finance: an application to default risk analysis[J]. Bank of England, 2019.[7] 陈小昆, 左航旭, 廖彬, 等. 融合XGBoost 与SHAP 的冠心病预测及其特征分析模型[J]. 计算机应用研究, 2022, 39(06): 1796-1804.[8] 罗妍, 王枞, 叶文玲. 基于XGBoost 和SHAP 的急性肾损伤可解释预测模型[J]. 电子与信息学报, 2022, 44(01): 27-38.[9]Vefie L. The penguin directionary of Physics[J]. Beijing: Foreign LanguagePress, 1996: 92-93.[10] 吴跃明, 张翼, 王勤耕, 等. 论环境- 经济系统协调度[J]. 环境污染与防治, 2001(1): 25~29.[11] 李虹, 袁颖超, 王娜. 区域绿色金融与生态环境耦合协调发展评价[J]. 统计与决策, 2019, 35(08):161-164.[12] 王奕森, 夏树涛. 集成学习之随机森林算法综述[J]. 信息通信技术, 2018, 12(01): 49-55.[13] 徐慧, 蔡慧, 张伟, 等. 国家科技安全风险评估指标体系和模型的构建[J]. 信息科学, 2023, 41(12): 165-173+182.[14] 朱喜安, 魏国栋. 熵值法中无量纲化方法优良标准的探讨[J]. 统计与决策, 2015, (02):12-15.[15] 王帮俊, 崔林玉, 王智乐, 等. 绿色金融试点政策对新能源企业技术创新的影响研究[J]. 南京财经大学学报, 2024, (02): 67-77.[16]Breiman L. Random forests[J]. Machine learning, 2001, 45: 5-32.[17] 方匡南, 吴见彬, 朱建平, 等. 随机森林方法研究综述[J]. 统计与信息论坛, 2011, 26(03):32-38.[18] 刘耀迪, 肖钰蕙, 展晶晶. 基于灰色预测模型的长三角地区新能源汽车的市场保有量预测研究[J]. 内燃机与配件, 2023(12): 107-109.[19] 董倩, 孙娜娜, 李伟. 基于网络搜索数据的房地产价格预测[J]. 统计研究, 2014, 31(10):81-88.[20]Lundberg S M, Erion G G, Lee S I. Consistent individualized feature attribution for tree ensembles[J]. Statistics, 2018.