Сравнение демографических, экономических и экологических показателей в странах с высоким и низким доходом
DOI:
https://doi.org/10.17059/ekon.reg.2021-1-6Ключевые слова:
население, валовой внутренний продукт, возобновляемые источники энергии, выбросы CO2, страны с высокими доходами, страны с низкими доходами, причинность по Грейнджеру, регрессии со случайными эффектами, регрессии с фиксированными эффектамиАннотация
Глобальное стремление к экономическому развитию привело к увеличению выбросов углекислого газа, объем которых различается в странах с высоким и низким уровнем дохода вследствие различной интенсивности. В настоящей статье на основе панельных данных за период с 1960 г. по 2018 г., опубликованных Всемирным банком, рассматривается взаимосвязь показателей населения, валового внутреннего продукта (ВВП) и возобновляемых источников энергии и выбросов CO2 в странах с высоким и низким уровнем доходов. Для достижения поставленной цели были использованы такие методы, как тест на кросс-зависимость Песарана, тест на единичный корень Левина - Лина- Чу, тест Вальда на причинность Грейнджера, регрессии с фиксированными и случайными эффектами. Выявлено, что объем выбросов CO2 в значительной мере зависит от населения, объема ВВП и потребления энергии. Результаты теста Вальда на причинность Грейнджера, а также регрессии с фиксированными эффектами и случайными эффектами показали, что рост населения и ВВП напрямую влияет на выбросы CO2 в странах как с высоким, так и с низким доходом, тогда как влияние потребления возобновляемой энергии имеет косвенный характер. Несмотря на отсутствие различий в направлениях корреляции, были выявлены различия в масштабах взаимосвязи в странах с высоким и низким уровнем доходов. Влияние населения и потребления возобновляемых источников энергии на выбросы CO2 в странах с низкими доходами больше, чем в странах с высокими доходами. Влияние ВВП на выбросы CO2 выше в странах с высоким уровнем доходов, нежели в странах с низким уровнем. Таким образом, чтобы сократить выбросы CO, представителям власти следует принимать экономические и демографически меры для снижения уровня выбросов углерода.Библиографические ссылки
Inglesi-Lotz, R. and Dogan, E. (2018). The role of renewable versus non-renewable energy to the level of CO2 emissions a panel analysis of sub- Saharan Africa's Вig 10 electricity generators. Renew. Energy, Vol. 123 (C), 36-43.
Mohmmed, A., Li, Z., Olushola, A. and Su, H. (2019). Resources, conservation and recycling driving factors of CO2 emissions and nexus with economic growth, development and human health in the top ten emitting countries. Resour. Conserv. Recycl, 148, 157-169.
Zhou, C. and Wang, S. (2018). Examining the determinants and the spatial nexus of city-level CO2 emissions in China: a dynamic spatial panel analysis of China's cities. J. Clean. Prod 171: 917-926.
Wen, L. and Shao, H. (2019). Science of the total environment analysis of in fl uencing factors of the CO2 emissions in China: Nonpara-metric additive regression approach. Sci Total Environ, 694, 133-144.
Can, H. and Ozge, K (2019). The relationship between renewable energy consumption and economic growth: the case of Bulgaria. Int J Energy Ssctor Management 13(3): 573-589.
Marina, M., Dinu, M., Socol, A. and Socol, C. (2018). Renewable energy consumption and economic growth: causality relationship in Central and Eastern European countries. PLoS ONE. pp. 1-29. https://doi.org/10.1371/journal. pone.0202951.
Akadri, S. S., Benkum, V. F. and Sarkodie, S. A. (2019). Contemporaneous interaction between energy consumption, economic growth and environmental sustainability in South Africa: what drives what? Sci Total Environ, 686, 468-475. https://doi.org/10.1016/j.scitotenv.2019.05.421.
Kang, S.H., Islam, F. and Tiwari, A.K. (2019). The dynamic relationships among CO2 emissions, renewable and non-renewable energy sources, and economic growth in India: evidence from time-varying Bayesian VAR model. Struct Chang Econ Dyn, 50, 90-101. https://doi.org/10.1016/j.strueco.2019.05.006.
Wang, Q. and Zhou, Y. (2019). Imbalance of carbon emissions embodied in the US-Japan trade: temporal change and driving factors. J Clean Prod, 237. https://doi.org/10.1016/j.jclepro.2019.117780.
Dong, K., Hochman, G., Zhang, Y., Sun, R., Li, H. and Liao, H. (2018). CO2 emissions, economic and population growth, and renewable energy: empirical evidence across regions. Energy Econ, 75, 180-192. https://doi.org/10.1016/j. eneco.2018.08.017.
Mardani, A., Streimikiene, D., Cavallaro, F., Loganathan, N. and Khoshnoudi, M. (2018). Science of the total environment carbon dioxide (CO2) emissions and economic growth: a systematic review of two decades of research from 1995 to 2017. Sci Total Environ, 649, 31-49. https://doi.org/10.1016/j.scitotenv.2018.08.229.
Zoundi, Z. (2016). CO2 emissions, renewable energy and the Environmental Kuznets Curve: a panel cointegration approach. Renew Sustain Energy Rev 72: 1067-1075. http://dx.doi.org/10.1016/j.rser.2016.10.018.
Kang, S. H., Islam, F. and Tiwari, A. K. (2019). The dynamic relationships among CO2 emissions, renewable and non-renewable energy sources, and economic growth in India: evidence from time-varying Bayesian VAR model. Struct Chang Econ Dyn, 50, 90-101. https://doi.org/10.1016/j.strueco.2019.05.006.
Liu, Y. and Hao, Y. (2018). The dynamic links between CO2 emissions, energy consumption and economic development in the countries along the belt and road. Sci Total Environ, 645, 674-683. https://doi.org/10.1016/j.scitotenv.2018.07.062.
Nathaniel, S.P. and Iheonu, C.O. (2019). Carbon dioxide abatement in Africa: the role of renewable and non-renewable energy consumption. Sci Total Environ, 679, 337-345. https://doi.org/10.1016/j.scitotenv.2019.05.011.
Salman, M., Long, X., Dauda, L. and Mensah, C.N. (2019). The impact of institutional quality on economic growth and carbon emissions: evidence from Indonesia, South Korea and Thailand. J. Clean. Prod, 241, 118331. https://doi. org/10.1016/j.jclepro.2019.118331
Baum, C. F. (2016). An introduction to modern econometrics using Stata. USA: Stata Press. 341 p.
Torres-Reyna, O. (2007). Panel data analysis: fixed and random effects using Stata (v. 4.2). Princeton University, Data and Statistical Services. 40 p.
Baltagi, B. H. (2008). Econometric analysis of panel data, fourth edition. USA: Wiley and Sons. 366 p.
Gelman, A. and Hill, J. (2007). Data analysis using regression and multilevel/hierarchical models. Cambridge, New York, Cambridge University Press. 624 p.
Stock, J. H. (2007). Watson MW. Introduction to econometrics, second edition. Boston, Pearson Addison, Wesley. 769p.
World Bank (2019). https://data.worldbank.org/indicator/NY.GDP.MKTP.KD? locations= 1W&view=chart. (Accessed on 15/10/2019).
Pesaran, M. H. (2004). General diagnostic tests for cross section dependence in panels. University of Cambridge, Faculty of Economics, United Kingdom. Cambridge Working Papers in Economics, Number 0435.
Hadri, K. (2000). Testing for stationarity in heterogeneous panel data. Econ J, 3(2), 148-161.
Levin, A., Lin, C. F. and Chu, C. S. J. (2002). Unit root tests in panel data: asymptotic and finite-sample properties. J Econ, 108(2), 1-24.
Simon, J. L. (1977). The economics of population growth. New Jersey, USA: Princeton University Press. 592 p.
Begum, R. A., Sohag, K., Abdullah, S. M. S., and Jaafar, M. (2015). CO2 emissions, energy consumption, economic and population growth in Malaysia. Renew Sustain Energy Rev, 41(2), 594-601.
Gill, A. R., Kuperan, K. V. and Hassan, S.A. (2018). Test of environmental Kuznets curve for carbon emission and potential of renewable energy to reduce greenhouse gases in Malaysia. Env Dev Sust 20(2): 1103-1114.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2021 Али Эрнест Баба, Амфо Бисмарк

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

