Räumliche Heterogenität im CO₂-Fußabdruck aus Belt and Road-Investitionen, bewertet durch ein querschnittsbasiertes autoregressives verteiltes Verzögerungsmodell

Zusammenfassung

Diese Studie analysiert die Umweltauswirkungen von chinesischen ausländischen Direktinvestitionen (FDI), Tourismus und Innovation bei CO2-Emissionen in den Regionen der Belt and Road Initiative mithilfe räumlicher ökonometrischer Modelle.

Zusammenfassung

Diese Studie zielt darauf ab, empirisch die vielschichtigen Auswirkungen von Chinas infrastrukturgetriebenen ausländischen Direktinvestitionen (FDI), der Entwicklung des Tourismus und technologischer Innovation auf CO₂-Emissionen in den Teilnehmerländern der Belt and Road Initiative (BRI) zu untersuchen. Über die aggregierte Analyse hinaus untersucht die Forschung speziell den oft übersehenen synergistischen Effekt zwischen FDI und Tourismus und untersucht die bedeutenden regionalen Heterogenitäten in diesen Umweltbeziehungen. Methodisch verwendet die Studie Paneldaten-Techniken der zweiten Generation, um robuste Schätzungen bei Berücksichtigung von Querschnittsabhängigkeit und Hangheterogenität sicherzustellen. Die Analyse verwendet die Cross-Sectional Autoregressive Distributed Lag (CS-ARDL) und Common Correlated Effects Mean Group (CCEMG) Schätzer auf Daten von 2000 bis 2020, um sowohl kurzfristige als auch langfristige Dynamiken zu erkennen. Die wichtigsten Ergebnisse zeigen eine komplexe und dualistische Rolle der FDI. Obwohl dies mit einer Reduzierung der CO2-Emissionen in der Gesamtstichprobe und in Regionen wie Südostasien und Europa verbunden ist, erhöht es die Emissionen in Südasien und MENA-Ländern erheblich. Entscheidend ist, dass die Wechselwirkung zwischen FDI und Tourismusentwicklung die CO₂-Emissionen verschärft, was darauf hindeutet, dass Investitionen in Infrastruktur den ökologischen Fußabdruck des Tourismus verstärken. Darüber hinaus mindert technologische Innovation kontinuierlich die Emissionen, und die Studie validiert die Hypothese der Umwelt-Kuznets-Kurve (EKC) über alle Stichproben hinweg. Die Auswirkungen dieser Ergebnisse sind für politische Entscheidungsträger tiefgreifend und unterstreichen die Notwendigkeit, über Einheitsansätze hinauszugehen. Die Hauptneuheit der Studie liegt in ihrem expliziten Fokus auf infrastrukturgetriebene FDI, der Quantifizierung des FDI-Tourismus-Interaktionseffekts und ihrer bahnbrechenden regionalen Aufschlüsselung, die zusammen die umstrittene und kontextabhängige Natur des Umwelterbes der BRI offenbaren. Diese detaillierte Analyse bietet eine entscheidende Evidenzgrundlage, um gezielte, regionsspezifische Politiken zu formulieren, um das BRI auf das erklärte Ziel der nachhaltigen Entwicklung zu lenken.

Einleitung

Die Belt and Road Initiative (BRI), eine monumentale globale Entwicklungsstrategie, die von China¹ gestartet wurde, hat die wirtschaftliche und infrastrukturelle Landschaft in Asien, Afrika und Europa^grundlegend verändert. Durch die Kanalisierung beispielloser infrastrukturgetriebener ausländischer Direktinvestitionen (FDI) in Transport, Energie und Hafenanlagen zielt die BRI darauf ab, die regionale Konnektivität zu verbessern und das Wirtschaftswachstum anzuregen. Ein kritisches, aber komplexes Ergebnis dieser verbesserten Konnektivität ist der erhebliche Schub der Tourismusentwicklung in den teilnehmenden Ländern³, ermöglicht durch verbesserte Zugänglichkeit und Infrastruktur⁴. Diese Triade aus Infrastrukturinvestitionen, Tourismuswachstum und wirtschaftlicher Expansion hat jedoch erhebliche ökologische Auswirkungen, insbesondere im Hinblick auf die CO₂-Emissionen⁵. Das Verständnis des Zusammenspiels dieser Faktoren ist von größter Bedeutung, um die wirtschaftlichen Ziele der BRI mit globalen Nachhaltigkeitszielen wie dem Pariser Abkommen und den UN-Zielen für nachhaltige Entwicklung⁶ in Einklang zu bringen. Diese Forschung untersucht speziell die Auswirkungen von Chinas infrastrukturgetriebener FDI, der Entwicklung des Tourismus und technologischer Innovation auf CO₂-Emissionen im Kontext der BRI-Teilnehmerländer.

Es gibt eine bedeutende Literatur, die die Bedeutung des Tourismus als Treiber der wirtschaftlichen Entwicklung insbesondere in den Schwellenländern verankert hat ^7,8. Der Sektor wird von den Regierungen aktiv gefördert, da er Einnahmen generiert, zum Wachstum des Unternehmertums beiträgt^{und die} Arbeitslosigkeit minimiert. Die Branche hat weltweit ein starkes Wachstum verzeichnet, da internationale Touristenankünfte die Prognosen übertreffen und jährlich Milliarden Einnahmen erzielen – ein Trend, der durch die Verbesserung der Kommunikationstechnologie, veränderte Visaverfahren und bessere^{Touristenziele} gefördert wurde. Gleichzeitig gibt es Fragen zur Umweltprägung dieses Wachstums¹¹. Eine Forschungslinie weist auf die negativen Auswirkungen des Tourismus hin und führt sie auf die direkte Korrelation von Tourismus mit dem Energieverbrauch und den CO2-Emissionen im Zusammenhang mit dem Transport^zurück. Darüber hinaus sind trotz der Möglichkeiten, die große Infrastrukturprojekte im Rahmen der BRI dem Tourismussektor bieten, dafür bekannt, aufgrund des Energiebedarfs und ökologischer Störungen enorme Umweltbelastungen zu verursachen¹³.

Die vorhandene Literatur weist jedoch kritische Lücken auf, die diese Studie zu schließen versucht. Erstens, obwohl der allgemeine Zusammenhang zwischen Tourismus und Emissionen anerkannt wird, bleiben die empirischen Belege mehrdeutig und berücksichtigen oft nicht den einzigartigen, facettenreichen Kontext der BRI. Die Beziehung ist nicht monolithisch; Sie wird durch eine Vielzahl lokaler Faktoren vermittelt, darunter logistische Infrastruktur, politische Instabilität, Umweltstandards und Klimabedingungen¹⁴. Zweitens behauptet eine konkurrierende Erzählung in der Literatur, dass der Tourismus, insbesondere wenn er mit Ökotourismusprinzipien und grünen Politiken in Einklang steht, ein Vehikel für ökologische Nachhaltigkeit sein kann und nicht zur Verschlechterung¹⁵. Diese Dualität unterstreicht eine erhebliche Wissenslücke: Unter welchen Bedingungen verschärft oder mindert der Tourismus innerhalb des BRI-Rahmens die Emissionen? Drittens wird die Rolle von infrastrukturgetriebenen FDI oft isoliert untersucht¹⁶. Der synergetische Effekt von FDI und der Entwicklung des Tourismus, bei dem neue Flughäfen, Straßen und Hotels, die direkt von FDI finanziert werden, Touristenzuflüsse ermöglichen und anregen, sowie die kollektiven Auswirkungen auf die Umwelt, sind wenig gut verstanden. Diese Forschung adressiert diese Lücken direkt, indem sie eine nuancierte und umfassende Analyse der Umweltfolgen der wirtschaftlichen Treiber der BRI durchführt. Forscher gehen über allgemeine Verallgemeinerungen hinaus und untersuchen die spezifischen, kombinierten Auswirkungen von infrastrukturgetriebenen FDI, Tourismusentwicklung und technologischer Innovation auf CO₂-Emissionen. Die Beiträge dieser Studie sind dreifach. Erstens liefert es neuartige empirische Belege für die Verflechtung von Infrastrukturinvestitionen, Tourismus und CO₂-Emissionen im spezifischen und hochrelevanten Kontext der Belt and Road Initiative. Durch explizite Modellierung der Wechselwirkung zwischen Tourismusentwicklung und FDI entdecken Forscher, ob deren Kombination einen synergetischen Effekt erzeugt, der den Umweltdruck verstärkt oder mindert – eine Dimension, die in früheren Studien weitgehend übersehen wurde¹⁷. Zweitens leistet diese Forschung einen bedeutenden methodischen Beitrag, indem sie ein CS-ARDL-Modell anwendet und eine detaillierte regionale Analyse durchführt. Dies ermöglicht es uns, über Einheits-Lösungen-Szenarien hinauszugehen und die erheblichen regionalen Unterschiede aufzuzeigen, wie diese wirtschaftlichen Aktivitäten die Umwelt beeinflussen.

Literaturübersicht

Die Tourismusbranche gilt weithin als bedeutender Katalysator für die wirtschaftliche Entwicklung, insbesondere in Schwellenländern¹⁸. Empirische Studien zeigen kontinuierlich ihre Fähigkeit, Einkommen zu generieren, unternehmerische Aktivitäten zu fördern und die Arbeitslosigkeit zu senken, was Regierungen weltweit dazu veranlasst hat, unterstützende Maßnahmen für den Sektor zu ergreifen¹⁹. Historische Daten unterstreichen dieses dynamische Wachstum, wobei die Branche eine durchschnittliche jährliche Wachstumsrate von etwa 5 % aufweist und internationale Touristenankünfte voraussichtlich über 1,8 Milliarden²⁰ werden – eine Prognose, die oft von tatsächlichen Zahlen übertroffen wird, die durch Fortschritte in der Kommunikationstechnologie, verbesserte touristische Infrastruktur und optimierte Visaregelungen befeuert werden²¹. Der Beitrag des Sektors zum Wirtschaftswachstum ist jedoch nicht einheitlich, da sein Erfolg durch eine komplexe Vielfalt lokaler Faktoren wie logistische Infrastruktur, politische Stabilität, Umweltstandards und Klimabedingungen vermittelt wird, was darauf hindeutet, dass verallgemeinerte Modelle des tourismusgetriebenen Wachstums oft^unzureichend sind.

Parallel zur Ausweitung des Tourismus sind die Umweltfolgen der wirtschaftlichen Entwicklung deutlich in den Fokus getreten und zeigen eine dualistische Erzählung im akademischen Diskurs²³. Eine Fachrichtung verbindet die Entwicklung des Tourismus eindeutig mit erhöhtem Energieverbrauch und transportbedingten CO₂-Emissionen und positioniert die Branche als bedeutenden Beitrag zur Umweltzerstörung²⁴. Dies ist besonders relevant im Zusammenhang mit groß angelegten Initiativen wie Chinas Belt and Road Initiative (BRI), die durch infrastrukturgestützte ausländische Direktinvestitionen (FDI) die Konnektivität verbessert und Tourismus sowie wirtschaftliche Aktivitäten ankurbelt, gleichzeitig aber erhebliche Umweltbelastungen durch erhöhte Energiebefragung und ökologische Störungen erzeugt²⁵. Im Gegensatz dazu betont eine konkurrierende wissenschaftliche Perspektive das Potenzial für nachhaltigen Tourismus und argumentiert, dass Ökotourismus und grüne Politiken Umweltverschmutzung mindern und langfristige ökologische Nachhaltigkeit gewährleisten können, wodurch das Wirtschaftswachstum mit Umweltverantwortung in Einklang gebracht^{werden 26}. Diese Dualität erstreckt sich auch auf die Rolle der FDI, die sowohl eine Quelle für umweltverschmutzende Technologien als auch fortschrittlicher, umweltfreundlicher Innovationen sein kann, was eine empirische Mehrdeutigkeit schafft, die zusätzlich verkompliziert wird, wenn FDI gezielt auf Infrastrukturen ausgerichtet sind, die das Wachstum des Tourismus ermöglicht²⁷.

Die komplexen Verknüpfungen zwischen Tourismus, Investitionen und Umwelt erfordern eine tiefere Untersuchung moderierender Faktoren und theoretischer Rahmenwerke²⁸. Technologische Innovation wird oft als entscheidender Mechanismus genannt, um Wirtschaftswachstum von Emissionen zu entkoppeln, durch die Einführung erneuerbarer Energien und grüner Technologien²⁹. Darüber hinaus bietet die theoretische Grundlage der Hypothese der Umwelt-Kuznets-Kurve (EKC) einen Rahmen zur Überprüfung des Zusammenhangs zwischen wirtschaftlicher Entwicklung und Umweltzerstörung und legt nahe, dass die Emissionen zunächst mit dem Einkommen steigen könnten, bevor sie schließlich^{um 30} sinken. Das transformative Potenzial der BRI, deren Prognosen darauf hindeuten, dass ihre Volkswirtschaften bis 2030 die Hälfte des globalen BIP ausmachen könnten, macht sie zu einer entscheidenden Fallstudie für die Untersuchung^{dieser Dynamiken}. Dennoch bleibt eine erhebliche Lücke in der Literatur: ein Mangel an nuancierten, empirischen Studien, die gleichzeitig die kombinierten Auswirkungen von infrastrukturgetriebenen FDI, Tourismusentwicklung und technologischem Fortschritt auf die CO₂-Emissionen in den heterogenen Regionen des BRI modellieren (Abbildung 1)³². Bestehende Forschung behandelt diese Treiber oft isoliert, ohne ihre synergistischen Effekte und regionalen Unterschiede zu erfassen – eine Lücke, die diese Forschung durch einen methodischen Ansatz schließen will, der sowohl gemeinsame korrelierte Effekte als auch Querschnittsunterschiede^{berücksichtigt 33}.

Protokoll

Diese Studie nutzte ausschließlich öffentlich zugängliche, sekundäre makroökonomische Daten aus offiziellen Quellen, darunter die World Development Indicators (WDI) der Weltbank und das Handelsministerium der Volksrepublik China (MOFCOM). Die zugrundeliegenden Rohdaten sind öffentlich von der Weltbank (https://databank.worldbank.org/source/world-development-indicators) und dem chinesischen Handelsministerium (MOFCOM) verfügbar. An der Forschung waren weder menschliche noch tierische Probanden beteiligt. Daher erforderte diese Studie keine Überprüfung oder Genehmigung durch ein institutionelles Überprüfungsgremium (IRB) oder einen Ethikausschuss.

Daten- und Variablenkonstruktion

Diese Studie analysiert EKC in den Ländern zusammen mit BRI und untersucht die Korrelation zwischen chinesischen FDI-Aktien und CO₂-Emissionen. Im Allgemeinen lassen sich die Auswirkungen wirtschaftlicher Aktivitäten auf die Umwelt in drei Kategorien unterteilen: umfasst das, was die Autoren als Technologie-Innovation-(TI)-Effekt bezeichnet haben, den industriellen Zusammensetzungseffekt und den wirtschaftlichen Skaleneffekt. Daher stellen die Autoren neben den Hauptmerkmalen der Studie auch diese entscheidenden Merkmale dar. Im Folgenden ist eine Wahrnehmung dieser Korrelation:

(1)

In diesem Modell werden mehrere Variablen verwendet, um verschiedene wirtschaftliche Indikatoren darzustellen. Dazu gehören:

CO2: CO2-Emissionen, TD: chinesische ausländische Direktinvestitionen in Ländern der Belt and Road Initiative, TI: TD-Indizes, BIP: Bruttoinlandsprodukt, SQGDP: Quadrate des BIP (verwendet zur Bezeichnung der Umwelt-Kuznets-Kurve) und IVA: industrielle Wertschöpfung.

Das Modell verwendet ein Index zur Angabe der Anzahl der Länder und ein Index ε_{it} zur Kennzeichnung der Zeit. Die Parameter im Modell werden durch β_{1} + β_{2} + β_{3} + β_{4} + β_{5} + β_{6} und β dargestellt_{7} . Der Begriff μ_{i} bezieht sich auf einen querschnittsspezifischen Faktor, ε_{it}, und repräsentiert den falschen Ausdruck.

Das BRI hat die Kommunikation zwischen China und anderen beitragenden Ländern erheblich verbessert und dabei maßgeblich den Stromverbrauch, das fiskalische Wachstum und die Umweltbedingungen beeinflusst. Zu den von der chinesischen Regierung ergriffenen Maßnahmen zur Entwicklung des grünen BRI im Einklang mit dem Pariser Abkommen (2015) und den SDGs 2030 gehören die Verbreitung technologischer Vorteile und das Wachstum einer effizienten und umweltfreundlichen Energieinfrastruktur³⁴. Gu und Zhou³⁵ untersuchten kürzlich gebaute saubere Energieprojekte in den jeweiligen BRI-Ländern mit einer installierten Leistung von 16 GW und halfen, die Treibhausgasemissionen um 49 Tonnen zu senken, was diese Ansätze bekräftigte. Außerdem schlugen Li et ^al.36 vor, dass die Belt and Road Initiative die Energieeffizienz und wirtschaftliche Entwicklung des Gastlandes durch den Bau zuverlässiger Energie- und Logistikanlagen steigert. Chinas FDI verschärft jedoch die ökologischen Probleme in den Gastländern aufgrund wachsender Nachfrage nach Strom und natürlichen Ressourcen. Je nach dieser Begründung wird prognostiziert, dass Chinas ausländische Direktinvestitionen im Ausland einen Einfluss auf die CO₂-Emissionen an verschiedenen Orten haben könnten, der sowohl vorteilhaft als auch schädlich ist:

In der neuesten Studie untersuchten Bekun et ^al.37 die Hypothese, dass Tourismuseinnahmen zu niedrigeren Emissionen beitragen, Besucher jedoch den gegenteiligen Effekt haben. Darüber hinaus betonte die Synthese der wissenschaftlichen Studien (siehe Tabelle 1), dass touristische Variablen spezifische Umweltfolgen verursachen. Um dem gerecht zu werden, führt diese Studie einen akkumulierten Touristenindikator durch, der dazu beiträgt, subjektive Verzerrungen zu beseitigen. Der Gesamtindikator für die Tourismusbranche könnte einen positiven oder nachteiligen Einfluss auf CO2 haben.

Vergleichbar damit, wie erhöhte Konnektivität, weniger Wettbewerbsbarrieren (sowohl Menschen als auch Güter), schnellere Transporte und Infrastrukturverbesserungen zwischen den BRI-Mitgliedsstaaten die Ausweitung der Tourismusbranche fördern, was angesichts der inhärenten Eigenschaften der Tourismuswirtschaft einen entscheidenden Effekt auf die Umweltqualität haben könnte, könnte dies vorteilhaft sein.

Angesichts der grundlegenden Natur der wirtschaftlichen Aktivität sind mehr Energie- und Kraftstoffverbrauch, was zu erhöhtem CO2 führt, notwendig. Dennoch können technologische Fortschritte zur Entwicklung umweltfreundlicher Produkte und Verfahren sowie innovationsgetriebene Veränderungen in der Energieversorgung die ökologische Nachhaltigkeit erheblich beeinflussen. TI verringert auf diese Weise die Kohlendioxid-Emissionen.

Die EKC-Theorie wird dadurch gestützt, dass das Wirtschaftswachstum mit dem steigenden Energieverbrauch verknüpft^ist, was die Emissionen erhöht, aber das Quadrat der Entwicklung in der Wirtschaft senkt die Kohlendioxid-Emissionen.

Ein entscheidender Faktor, der die Kohlendioxidemissionen der Gastländer beeinflusst, ist die wirtschaftliche Zusammensetzung dieser Länder (Tabelle 2). IVA könnte einen positiven Effekt auf die CO2-Emissionen haben, da die zunehmende Bedeutung der Industrie in den Nachbarländern der BRI zu einem erhöhten Energieverbrauch und den damit verbundenen Emissionen^{führen wird 39}.

Datenquelle und Stichprobenauswahl

Die Bedeutung der BRI-Staaten beruht auf der Annahme, dass sie 30 % des weltweiten BIP, 64 % der Einwohner, 39 % ihres Gebiets, 35 % des Handels, 50 % des Stromverbrauchs und 54 % der_{CO2-Emissionen} ausmachen. Zusätzlich zu diesen Daten hat das BRI-Gebiet ein enormes Wachstum der chinesischen FDI erlebt und ist damit die effektivste Kollaborationsplattform^weltweit. Daher untersuchen die Autoren die ökologischen Auswirkungen von Chinas ausgehenden ausländischen Direktinvestitionen, TD und TI in den ausgewählten 2 (54) Belting and Roads-Knotenländern von 2000 bis 2020. Dazu verwendet der Artikel jährliche Daten zu_{CO2-Emissionen} (metrische Tonnen), chinesischen ausländischen Direktinvestitionen (konstante 2010 US-Dollar), den TD-Indikator (weitere Informationen siehe Tabelle 3) und den Gesamtindex (TI), der als Gesamtzahl der Patente (für Einwohner und Einwanderer) sowie das BIP (kontinuierlich 2011 US-Dollar) berechnet wird. und die Herstellungswerte (% des BIP). Es ist entscheidend, eine konsistente Teststatistik bereitzustellen, um das Problem der Differenzmerkmale zu lösen, da diese Faktoren unterschiedliche Messeinheiten aufweisen. Unter Berücksichtigung früherer Forschung haben die Autoren alle Aspekte in das Regressionsmodell umgewandelt, das Ergebnisse in Form von Elastizität liefert, die die Dateninterpretation erleichtern. Abgesehen von dem chinesischen externen Direktinvestitionskapital, das vom chinesischen Wirtschafts- und Handelsministerium stammt, stammen Informationen zu diesen Faktoren aus dem World Development Index (WDI).

TD-Index

Zahlreiche Kennzahlen werden in den Tourismusstudien verwendet, um touristische Aktivitäten zu beschreiben. Tourismuseinnahmen⁴¹, Tourismusausgaben Pata und Balsalobre-Lorente⁴² sowie Eintrittsdaten⁴³ werden zur Quantifizierung der umfassenden Tourismusnachfrage verwendet. Diese touristischen Modelle haben mehrere Nachteile, da sie nur einen Teil des Zusammenhangs zwischen Schadstoffen ausmachen. Diese drei touristischen Variablen sind sehr kollinear, und wenn sie gleichzeitig in einem einheitlichen Rahmen genutzt werden, könnte dies laut Meng et ^al.44 zum Multikollinearitätsproblem führen. PCA kombiniert gemeinsame Schwankungen aller Tourismusvariablen zu einem einzigartigen akkumulierten Score. Diese touristischen Kennzahlen stammen aus dem WDI-Datensatz, der hilft, einen charakteristischen zusammengesetzten Indikator zu erstellen, indem die sehr kritischen Daten zusammengeführt werden.

TD-Index bis PCA

Der Index für Tourismusentwicklung (TD) wurde mithilfe der Principal Component Analysis (PCA) erstellt, um die drei hochkorrelierten touristischen Variablen (internationale Tourismuseinnahmen, Ausgaben und Ankünfte) in einem einzigen zusammengesetzten Wert zu bündeln. Die Eignung der Daten für PCA wurde zunächst mit zwei Standardtests validiert. Das Kaiser-Meyer-Olkin (KMO) Maß für die Stichprobenadäquanz ergab einen Wert von 0,723, was den empfohlenen Schwellenwert von 0,6 überschritt, was darauf hindeutet, dass die Korrelationsmuster kompakt und somit für die Faktorenanalyse geeignet waren. Darüber hinaus war Bartletts Test der Sphärizität statistisch signifikant (p < 0,001) und bestätigte, dass die Korrelationsmatrix keine Einheitsmatrix war und die Variablen ausreichend für PCA korreliert waren. Basierend auf dem Kaiser-Kriterium (Eigenwert > 1) wurde nur die erste Hauptkomponente beibehalten. Diese Komponente erklärte zufriedenstellend mehr als 81 % der Gesamtvarianz über alle drei Tourismusvariablen hinweg. Die Faktorlastungen für alle drei Variablen waren positiv und hoch, was eine ausgewogene Gewichtung bei der Berechnung des Endindex unterstützte. Die resultierenden TD-Indexwerte reichten von -0,681 bis 5,157 für die Stichprobe, wobei ein niedrigerer Wert auf ein geringeres Niveau der touristischen Entwicklung und ein höherer Wert auf ein höheres Niveau der touristischen Entwicklung in den BRI-Ländern hinweist.

Analytischer Rahmen

Die Forscher begannen die Analyse mit der Untersuchung von zwei wesentlichen Eigenschaften der Paneldaten: Querschnittsabhängigkeit (CSD), was auf Vernetzung zwischen Ländern hinweist, und Hangheterogenität (SH), was darauf hindeutet, dass die variablen Beziehungen zwischen Ländern unterschiedlich sind. Die Bestätigung dieser Eigenschaften war ein entscheidender erster Schritt, da der Einsatz spezialisierter ökonometrischer Tests der zweiten Generation für genaue Ergebnisse erforderlich war.

Querschnittsabhängigkeit (CSD) und Hangheterogenität (SH)

Die Prämisse der schrägen Variabilität und der Querschnittsabhängigkeit, die durch Einheitswurzeltests der zweiten Generation (SGN) (UR; einschließlich CS-ergänzender IPS-UR-Tests) und Kointegrationstests aufrechterhalten wird, macht es notwendig, vor dem Übergang zur Integrationsreihenfolge des Faktors zu überprüfen. Aufgrund der schnellen Schwankungen in Finanz- und Geldprojekten, die durch Veränderungen in der Wirtschaft, den Bankenzusammenbruch, die Globalisierung, die Vernetzung von Lizenzgebühren und fehlende visuelle und unentdeckte gemeinsame Elemente gefolgt sind, stellen Datenreihen zwangsläufig das CSD-Problem dar. Vor dem Einsatz von UR- und Cointegrationstests ermöglicht CSD uns, die effektivste Methode zur Lösung der aufgedeckten Probleme auszuwählen. Die Forschung verwendete einen ausgefeilteren Ansatz, der auf Tang et ^al.45, CD-Tests basierte, um CSD zu validieren. Zusätzlich verwendet der Artikel die Zhuang et ^al.46, SH-Tests, die besser sind als konventionelle Heterogenitätsanalysen wie SURE, die CSD in^{Panels 47} nicht erlauben. Die Formeln zur Steigungsheterogenitätsanalyse sind wie folgt:

(2)

(3)

Einheitswurzeltest (URT)

Eine weitere Phase besteht darin, die entsprechenden Einheitswurzelexperimente zu verwenden, um die Integrationsreihenfolge sicherzustellen, sobald CSD und Steigungsheterogenität überprüft wurden. Die Integrationsreihenfolge aller Faktoren wird durch die querschnittserweiterten Dickey-Fuller (CADF) und querschnittserweiterten IPS-(CIPS)-Modelle bestimmt. Erstgenerationstests sind die ersten beiden URTs, während SGN-Analysen die dritte URT sind. Da CSD bei der Berechnung variabler Einheitenwurzeln möglich ist, ist CIPS besser. Die herkömmlichen Panel-Unit-Root-Tests liefern falsche Befunde, wenn CSD vorhanden ist. Trotzdem verwendet die aktuelle Forschung grundlegende und ausgefeilte Einheitswurzeltests für objektive und konsistente Schätzungen. Im Folgenden ist die CIPS-Gleichung:

(4)

Die untenstehende Gleichung verwendet das Symbol, um den Durchschnitt über verschiedene Abschnitte hinweg anzuzeigen.

(5)

Die CIPS-Statistiktests sind wie folgt:

(6)

Panel-Kointegrationstests

Die Autoren schätzen dann die Kointegrationsverbindung zwischen Kohlendioxidemissionen und deren Ursachen, einschließlich der chinesischen ausgehenden FDI, TD, TI und der wirtschaftlichen Expansion, nachdem CDS, Hangheterogenität und Variationsstationarität bestätigt wurden. Die Forschung nutzt dies durch den Ansatz der Panel-Kointegration, der realistische Vorhersagen liefert, wenn fehlerhafte Faktoren querschnittsabhängig sind und die Panels vielfältig sind. Da dieser Test bei Berücksichtigung von CSD- und strukturellen Zusammenbrüchen keine typischen Element-Einschränkungen auflegt, ist er vorzuziehen gegenüber Kointegrationstests der ersten Generation. Zusätzlich berücksichtigen traditionelle Panel-Schätzungsmethoden, die nicht beobachtete Heterogenität, Fixed-Effect-Modelle und instrumentelle Variablen verwenden, die CSD konstanter Varianz nicht, was zu ungenauen Schätzungen führt. Im Gegensatz zum Kointegrationstest der zweiten Generation behandelt die Panel-Kointegrationstechnik strukturelle Brüche an verschiedenen Stellen für jeden Querschnitt zusätzlich zu CSD, SH und serieller Korrelation von Fehlausdrücken. Das Papier enthält den Kointegrationstest. Der strukturelle Zusammenbruch und Paradigmenwechsel betreffen echte Werte. Diese Analyse liefert Kointegrationsvorhersagen ohne Verschmutzung, Pegelunterschied oder Paradigmenwechsel (Tabelle 4).

Querschnittsverstärkte autoregressive verteilte Verzögerungen

Autoren können nun experimentelle Bewertungen des langfristigen Zusammenhangs zwischen Treibhausgasen und ihren Treibern in Betracht ziehen. Das traditionelle Vorhersagemodell setzt Querschnittsstabilität voraus, was in den ersten Untersuchungen nicht der Fall ist. Da die Menge der Kohlenstoffverschmutzung durch die unsichtbaren relevanten Variablen gesteuert wird, die die Abhängigkeit von Querschnittsfehlertermen induzieren, ist dies eine unglaubwürdige Hypothese. Mehrere Faktoren, darunter der ungleiche und plötzliche Anstieg der chinesischen externen FDI sowie der Wandel finanzieller und politischer Rahmenbedingungen, verleihen der übergreifenden Abhängigkeit vom Belt and Road-Programm konzeptionelle Glaubwürdigkeit. Dies liegt daran, dass die natürlichen Eigenschaften durch das Vorhandensein unsichtbarer relevanter Variablen, die mit der Regressionsanalyse verknüpft sind, verzerrt werden können. Die CS-ARDL-Schätzung liefert die beste Lösung für das Problem der Querschnittsabhängigkeit und der Hangheterogenität. Schlagen Sie eine dynamische Strategie für gemeinsame korrelierte Effekte vor, die die CS-ARDL-Methode verwendet, um diese Bedenken zu adressieren. Dies führt uns zur folgenden Herleitung der CS-ARDL-Formel:

(7)

Einfache autoregressive verteilte Verzögerungsmodelle (ARDL) haben die oben in Gleichung (7) gezeigte lineare Funktion; Wenn die Autoren mit dieser Formel fortfahren, erhalten sie gemischte Ergebnisse, abhängig davon, ob Querschnittsabhängigkeiten auftreten. Gleichung (7) wird verallgemeinert, um Gleichung (8) durch Durchschnitt über Querschnitte zu erzeugen. Die Auswirkungen des Cutoff-Punkts treten nur auf, wenn Querschnittsabhängigkeit berücksichtigt wird, und dieses Verfahren hilft, diese potenziell irreführende Annahme auszuschließen.

(8)

Wobei X_t-1 = (CO_2i,t–₁, Z_i,t–₁) als Mittelwert der abhängigen und unabhängigen Variablen P_{w,P z,P x betrachtet} werden Identifiziert alle Verzögerungen innerhalb jedes Parameters. CO_2i,t, Kohlendioxidemissionen (tCO2) ist ein Beispiel für eine abhängige Variable, und Z_i,t ist ein Vektor, der alle verschiedenen Faktoren einschließt. Querschnittsdurchschnitte (einschließlich Zeit-Dummy- oder Mustervariablen) werden von X gezeigt, die zeigen, wie sie verwendet werden können, um CSD durch Wellle-Effekte zu vermeiden. Das CS-ARDL verwendet kurzfristige Koeffizienten als Eingaben zur Berechnung langfristiger Koeffizienten. Für den Mittelwertschätzer und den langfristigen Koeffizienten.

(9)

Die Mittelwertgruppe ist gegeben als:

(10)

Kurzfristige Koeffizienten werden wie folgt geschätzt:

(11)

Wo,

(12)

(13)

 (14)

 (15)

Im Falle einer Störung oder des benötigten Zeitrahmens zur Erreichung konstanter Balance sind die Fehlerkorrekturverfahren für CS-ARDLs vergleichbar mit einem organisierten Durchschnittspanel, das das Tempo der Anpassung in Richtung anhaltender Balance vorgibt.

Robustheitsschätzer

Traditionelle Schätzverfahren stehen stark gegen die anerkannte Existenz von Hangheterogenität und Varianzdekomposition durch dieses Komitee. Darüber hinaus verwendet die Forschung das von Pesaran entwickelte Maß des Ordinary Connected Effect Average Panel, um ähnliche Dinge zu bestätigen. Selbst bei CSD, Heterogenität, Endogenität und Nichtstationarität kann CCEMG effektiv eingesetzt werden (Tabelle 5). Es gibt auch Korrelationsprobleme, insbesondere mit den Querschnittsdivisionen. Im Folgenden die CCEMG-Formel:

(16)

Granger-Kausalität

Granger-Kausalität wird verwendet, um die Bestandteile des Artikels und deren mögliche beitragende Beziehung zu analysieren. Aufgrund ihrer Grundannahmen funktioniert diese Methode besser mit vielfältigen Displays. Gegen den Hypothesentest der Kausalität zwischen Variablen ist die Nullhypothese der DH-Multiple-Regressionsanalyse, dass es keine Kausalität gibt. Im Folgenden eine Beschreibung der praktischen Struktur des DH-Granger-Kausalitätstests:

(17)

Für ein autoregressives Modell wird der Schätzer mit j bezeichnet und die autoregressiven Variablen durch βj(j) dargestellt

Ergebnisse

Die präsentierten Ergebnisse demonstrieren effektiv den Nutzen der Cross-sectionally Augmented Autoregressive Distributed Lag (CS-ARDL)-Technik zur Erfassung komplexer, realer wirtschaftlicher Beziehungen (Abbildung 2). So ist beispielsweise die divergente langfristige Auswirkung von ausländischen Direktinvestitionen (FDI) auf die CO₂-Emissionen in einigen Regionen, wie Südostasien, negativ, in anderen, wie Südasien, aber positiv, was die Slope-Heterogenität veranschaulicht, die das CS-ARDL-...

Diskussion

Die Ergebnisse dieser empirischen Arbeit liefern eine reiche und nuancierte Geschichte über die möglichen Umweltauswirkungen der wirtschaftlichen Integration im Rahmen der Belt and Road Initiative und überwinden die einfachen Dichotomien, die die Literatur prägen. Das Testen der Hangheterogenität und der Querschnittsabhängigkeit darf nicht als methodische Feinheit von Anfang an, sondern als grundlegender Punkt eingeführt werden; Es muss anerkannt werden, dass die Beziehungen zwischen FDI...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
Kausalitätsanalyse	Heterogener Granger-Kausalitätstest von Dumitrescu und Hurlin (2012)		Um die Richtung kausaler Zusammenhänge zwischen den Variablen zu bestimmen (z. B. verursacht FDI Granger CO2-Emissionen?).
Querschnittsabhängigkeitstest (CSD)	Pesaran (2015) Querschnittsabhängigkeitstest (CD)		Um die Nullhypothese der Querschnittsunabhängigkeit unter den Fehlertermen der Paneleinheiten diagnostisch zu testen.
FDI-TD-Interaktionsterm	Berechnet als Produkt der FDI- und Tourismusentwicklungsindexreihe (TD).		Um den synergistischen oder moderierenden Effekt zu erfassen, den infrastrukturgetriebene FDI auf die Beziehung zwischen Tourismusentwicklung und CO2-Emissionen haben.
Daten zu ausländischen Direktinvestitionen (FDI)	Handelsministerium der Volksrepublik China (MOFCOM)		Quelle für Daten zu chinesischen FDI-Aktien in die Länder der Belt and Road Initiative (BRI).
Langfristige und kurzfristige Schätzung	Querschnittsmodell des autoregressiven verteilten Lags (CS-ARDL)		Der primäre Schätzer, um sowohl kurzfristige als auch langfristige Koeffizienten für den Einfluss unabhängiger Variablen auf CO2-Emissionen zu ermitteln, wobei CSD und Heterogenität berücksichtigt werden.
Daten des makroökonomischen Panels	Weltbank, Weltentwicklungsindikatoren (WDI)		Primärquelle für Daten zu CO2-Emissionen, BIP, industrieller Wertschöpfung (IVA) und Tourismuskennzahlen (Ankünfte, Einnahmen).
Panel-Kointegrationstests	Westerlund und Edgerton (2008) Kointegrationstest mit strukturellen Brüchen		Um das Vorhandensein einer langfristigen kointegrierenden Beziehung zwischen den Variablen zu testen, wobei CSD und strukturelle Brüche berücksichtigt werden.
Robustheitsprüf-Schätzer	Mittlere Gruppe für gemeinsame korrelierte Effekte (CCEMG)		Ein alternativer Schätzer, der verwendet wird, um die Robustheit der langfristigen Koeffizienten aus dem CS-ARDL-Modell zu überprüfen.
Einheitswurzeltests der zweiten Generation	Querschnitts-Augmented Dickey-Fuller (CADF) und Querschnitts-Augmented IPS (CIPS)		Bestimmung der Reihenfolge der Integration der Variablen (CO2, FDI, TD, TI, BDP, IVA) unter Anwesenheit von Querschnittsabhängigkeit.
Slope Heterogenity (SH) Test	Pesaran und Yamagata (2008) Delta- und Delta-modifizierte Tests		Um die Nullhypothese homogener Steigungen über Querschnitte im Panel diagnostisch zu testen.
Quadratisches BIP (SQGDP)	Berechnet als Quadrat der BIP-Pro-Kopf- (oder Gesamt-BIP-) Reihe.		Um empirisch auf das Vorhandensein der Umwelt-Kuznets-Kurve (EKC)-Hypothese im Modell zu testen.
Statistisches Softwarepaket	Im Protokoll nicht spezifiziert, aber für die Analyse unerlässlich (z. B. Stata, R, EViews)		Plattform für Datenmanagement, Variablenaufbau und Durchführung aller ökonometrischen Tests und Schätzungen (CSD, SH, Einheitswurzel, Kointegration, CS-ARDL, CCEMG, Kausalität).
Technologie-Innovationsdaten	Weltbank, Weltentwicklungsindikatoren (WDI)		Quelle für Patentdaten (ansässig und nicht ansässig), die zur Erstellung des Technology Innovation (TI)-Index verwendet werden.
Tourismusentwicklungsindex (TD)	Die Principal Component Analysis (PCA) wurde auf Touristenankünfte, Einnahmen und Ausgaben angewendet.		Einen einheitlichen, zusammengesetzten Index zu schaffen, der die gesamte Tourismusaktivität erfasst und Multikollinearität durch die Verwendung individueller Tourismusmetriken vermeidet.