Article de recherche

Analyse de l’empreinte environnementale et de ses déterminants en Chine : une évaluation intégrée des hypothèses de l’EKC et du paradis de pollution

313 vues

⸱

DOI :

10.3791/69911

⸱

30 janvier 2026

 ,  ,  ,  , 
1Yangzhou Polytechnic University, 2xuxiaobing, School of Public Finance and Taxation, Lanzhou University of Finance and Economics, 3School of Ecology & Environment, Renmin University of China, 4Faculty of Art & Humanities, King's College London, 5China National Institute of Standardization

Dans cet article

Résumé

Cette recherche confirme que l’utilisation de l’énergie et le commerce ouvert dégradent l’environnement, soutenant l’hypothèse du paradis de pollution. Elle conseille aux décideurs de poursuivre un tourisme durable, de diversifier les sources d’énergie et d’attirer des investissements étrangers dans les secteurs des services pour de meilleurs résultats écologiques.

Résumé

Cette étude propose une enquête empirique complète sur les déterminants de l’empreinte environnementale de la Chine de 1990 à 2023, avec un accent particulier sur la mise à l’épreuve de l’hypothèse du paradis de pollution (PHH) et de la courbe de Kuznets environnementale (EKC) dans le contexte des voyages et du tourisme. En appliquant le cadre EKC, nous analysons les impacts dynamiques de l’écotourisme, de la croissance économique, de la consommation d’énergie, de l’ouverture commerciale et de l’investissement direct étranger sur la dégradation écologique. La méthodologie implique des tests statistiques avancés visant à établir l’existence d’une relation d’équilibre à long terme entre les variables. Les résultats confirment une relation EKC en forme de U inversée entre le développement du voyage et du tourisme et l’empreinte environnementale, indiquant que le secteur aggrave initialement la dégradation environnementale mais, au-delà d’un certain seuil de développement économique, contribue à son amélioration. D’autres résultats indiquent que l’utilisation de l’énergie et l’ouverture commerciale intensifient considérablement l’empreinte environnementale. De manière cruciale, l’investissement direct étranger a été jugé comme une aggravation de la dégradation environnementale, fournissant ainsi un solide soutien empirique à l’hypothèse du havre de pollution dans le contexte chinois. Par conséquent, cette étude recommande aux décideurs de donner la priorité à la transition vers des modèles de tourisme durable, d’accélérer la diversification du mix énergétique vers des sources plus propres, et de canaliser stratégiquement les investissements directs étrangers vers des secteurs de services moins polluants.

Introduction

Les changements climatiques mondiaux résultant des actions humaines rendent une économie à faible émission de carbone inévitable pour les autorités locales de la LimiteMondiale 1. Des phénomènes météorologiques inhabituels peuvent perturber le débit des cours d’eau, la dynamique des organismes au sein d’un écosystème, les instabilités de la productionagricole 2, les dommages associés aux infrastructures, ou une augmentation de la morbidité et de la mortalité, indiquant ainsi que les processus socio-économiques, biologiques et géographiques ont induit la variabilité et ont forcé les chercheurs à poursuivre dans la conduite de cechangement 3. L’écotourisme est associé à des coûts écologiques en raison de l’augmentation des écotouristes grâce aux polluants associés4. Puisqu’elle génère des profits, construit des infrastructures, crée des opportunités d’emploi et génère des devises étrangères précieuses, l’industrie du voyage et du tourisme est une entreprise valant des milliers de milliards de dollars5, et elle représente aujourd’hui 7,6 % du monde6, lorsque l’Organisation mondiale du tourisme des Nations Unies (OMT) a rapporté que le voyage et le tourisme étaient responsables d’un emploi sur dix dans le monde, soit 7 % du commerce mondial, et10 % du PIB mondial 7. L’augmentation du nombre de visiteurs a été l’un des facteurs de production des émissions liées à la pollution et de la génération de déchetsmatériels 8.

Des recherches antérieures ont établi le lien tourisme-environnement mais s’appuient souvent sur des modèles économétriques larges qui manquent de directives opérationnelles spécifiquesà chaque secteur 9. Cet article démontre un protocole analytique structuré intégrant l’analyse énergie-output-output et l’évaluation de l’empreinte carbone pour cartographier les flux d’énergie directs et indirects ainsi que les émissions à travers les sous-secteurs touristiques. Contrairement aux techniques existantes, cette méthode fournit une analyse détaillée et exploitable pour les décideurs, passant de l’identification à l’atténuationciblée 10. Les impacts climatiques nécessitent une transition vers le tourisme à faible émission de carbone, un secteur économique mondialmajeur 11. Cependant, les recherches existantes manquent d’analyses empiriques nuancées pour les économies polluantes majeures présentant des parcours de développementuniques 12,13. La Chine présente une étude de cas cruciale : elle est le plus grand émetteur de carbone au monde, possède un secteur touristique en pleine expansion et possède un mix énergétique dominé par les combustibles fossiles, créant une tension nette entre croissance et durabilité. Cette étude aborde une lacune significative en étudiant la relation non linéaire de la courbe de Kuznets environnementale entre le développement touristique et l’empreinte environnementale en Chine, tout en testant simultanément l’hypothèse du paradis pollueur via les flux d’investissements étrangers. Nos contributions sont triples : (1) fournir des preuves spécifiques à la Chine et pertinentes pour les politiques politiques sur la trajectoire environnementale du tourisme, (2) intégrer une analyse de la structure énergétique et de la politique d’investissement dans le lien tourisme-environnement, et (3) proposer un cadre méthodologique distinguant les pressions à court terme des voies durables à long terme, faisant ainsi progresser la littérature empirique au-delà des résultats transnationaux généralisés.

Cette vision, décrite comme une « Véritable Nord, une initiative planète » pour assurer l’aisance et sauverl’environnement 14, est mise en œuvre à travers des cadres tels que les Objectifs de développement durable (ODD) des Nations Unies ou « L’Agenda 2030 », qui comprend 17 objectifs et 169 cibles,dont 15. Dans ce cadre, le tourisme durable, promu par la déclaration de 2017 de l’ONU comme Année internationale du tourisme durablepour le développement 16, est guidé par des principes tels que ceux de l’OMT mettant l’accent sur la croissance économique durable, l’inclusivité et la protectionde l’environnement 17. L’écotourisme, qui repose sur les trois piliers de la durabilité sociale, économique etenvironnementale 18, offre des avantages commerciaux, culturels et environnementaux19, en réconciliant les communautés, le climat et l’industrie du voyage et en renforçant la fiabilité des ressources. Certains pays utilisent déjà les revenus touristiques pour la conservation, et il est recommandé que tous les pays mettent en place des stratégies pour attirer des touristes soucieux de l’environnement et appliquer des lois industrielles protégeant le climat et lesressources 20.

Le protocole est conçu pour une application à l’échelle nationale ou régionale et suppose la disponibilité de données fiables sur les dépenses touristiques ainsi que de tableaux intégrés énergie-économie. Une limitation clé est sa dépendance à la résolution de ces données d’entrée. Dans ces conditions, elle permet aux autorités de cibler les activités à fort impact, d’évaluer les potentiels d’intégration des énergies renouvelables et de concevoir des réglementations fondées sur des preuves pour passer à une économie touristique bas carbone, soutenant ainsi la durabilité écologique et économique21,22.

Les impacts environnementaux du tourisme sont multiples, se manifestant par une augmentation des émissions de carbone, des déchets et une diminution des ressources dues aux besoins des véhicules et des infrastructures, qui drainent collectivement les richesses climatiques etminérales 23. Cela se manifeste par l’augmentation de la consommation d’énergie et les émissions de CO₂ résultantes, dues à la croissance du nombre de visiteurs, un phénomène mondial qui a poussé le gouvernement à adopter des modèles économiques bascarbone 24. Les preuves empiriques suggèrent une volonté de certains groupes démographiques, comme les hommes d’âge moyen et les écotouristes, à payer une prime pour l’utilisation d’énergies renouvelables dans les hébergements, reconnaissant ainsi son bénéficeenvironnemental 25. De plus, le tourisme intensifie la pression sur les ressources vitales, augmentant la demande en eau et en installations sanitaires et mettant en cause leur gestionavisée 26. Des recherches scientifiques confirment ce lien, révélant que les quarante-huit plus grandes nations de l’écotourisme, à l’exception de certains pays européens, subissent une augmentation des émissions de CO₂ dues autourisme 27, une corrélation également établie dans les pays de l’OCDE et certaines provinceschinoises 28. Des recherches menées dans 16 pays méditerranéens ont identifié un effet combiné de l’agriculture et du tourisme sur les ressources vertes et établi des relations causales bidirectionnelles entre les énergies renouvelables, le PIB et le tourisme, une étude confirmant une augmentation de 0,14 % des recettes touristiques pour chaque hausse de 1 % du CO₂ dans larégion 29. Inversement, en France, une destination mondiale majeure, le tourisme et la croissance démographique ont été liés à la réduction de la contamination, tandis que d’autres études mettent en lumière des liens complexes et bidirectionnels entre développement financier, consommation d’électricité et tourisme dans les principales zones d’écotourisme30. L’ampleur de la question est significative, l’empreinte carbone mondiale du tourisme étant estimée passer de 3,9 GtCO₂e en 2009 à 4,5 GtCO₂e en 2013 dans 160 pays, bien que l’effet varie selon les régions, avec des impacts positifs, négatifs et nuls sur le climat en Tunisie, en Égypte et au Maroc, respectivement31.

Les recherches portant sur le lien tourisme-environnement révèlent des dynamiques complexes et spécifiques à une région, ont révélé que l’impact climatique du tourisme est positif en Tunisie, négatif en Égypte et neutre au Maroc, la relation entre revenu et CO2 dans ces deux derniers pays confirmant l’hypothèse32 de la courbe de Kuznets environnementale (EKC). Cette hypothèse a été renforcée dans les économies de l’OCDE, où le CO2 a été attribué à Granger à la fois par le nombre de visiteurs et la relationEKC 33. Des études de cas provenant de destinations spécifiques mettent en lumière cette dualité ; à Pattaya, en Thaïlande, le tourisme a produit à la fois une planification écologique positive et des effets négatifs sur les déchets et la pollution, tandis qu’en Turquie, des études ont confirmé qu’une augmentation de 1 % du revenu réel a augmenté leCO2 de 0,345 %, le tourisme et la consommation d’énergie étant identifiéscomme facteurs causaux 34. À une échelle plus large, une analyse des pays BRICS a montré une augmentation de 0,5313 % duCO2 pour 1 % d’accrétion des recettes touristiques, bien qu’une causalité de rétroaction ait également suggéré qu’une hausse de 1 % du financement touristique pourrait entraîner une baisse de 0,5771 % duCO2. Inversement, des recherches en Amérique centrale et du Sud ont affirmé une causalité unidirectionnelle allant des énergies renouvelables à la réduction duCO2 et ont constaté que la dégradation environnementale s’atténuait grâce au tourisme, aux IDE et aux énergiesrenouvelables 35, un résultat complété par la confirmation d’un ECC en forme de U inversé entre la mondialisation économique et l’impact carbone en Asie du Sud. Enfin, pour quantifier cet impact, les émissions annuelles de carbone du tourisme à Barcelone ont été estimées à 9,6 MtCO2 éq., soit 96,9 kgCO2 éq. par visiteurpar jour de 36.

Cette étude se distingue dans la vaste littérature sur l’impact du tourisme sur leCO2, les émissions en construisant une mesure mondiale unique du tourisme comprenant (i) les voyages intérieurs et la consommation touristique, (ii) les dépenses personnelles de voyage du gouvernement, (iii) l’investissement public, (iv) les recettes touristiques internationales, et (v) les dépenses des visiteurs étrangers, exprimées en termes d’impact environnemental total. Plutôt qu’un seul groupement, l’analyse catégorise les pays par niveau de revenu afin d’étudier l’impact du tourisme, de la croissance économique et des ressources renouvelables, ainsi que les relations entre ces variables. Cette approche contribue à une compréhension nuancée, d’autant plus que l’ensemble des recherches existantes présente des conclusions contradictoires. Par exemple, alors que l’écotourisme comme outil politique clé pour laconservation 37, et l’expansion de l’empreinte carbone des principales nations touristiques, les résultats sur la courbe de Kuznets environnementale (EKC) sont mitigés. Certaines études affirment que le tourisme peut déclencher l’EKC, suggérant qu’il pourrait favoriser la durabilité environnementale dans les économies à revenu élevé, bien que les arrivées et recettes des touristes aient généralement un effet néfaste surles émissions 38. Inversement, d’autres recherches rejettent la postulation de Kuznets dans les États à revenu élevé ou constatent une relation de plus en plus monotone entre les revenus touristiques et le coûtenvironnemental 39.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cadre théorique et sélection des variables
Le modèle empirique et la sélection des variables pour cette étude sont explicitement dérivés d’une synthèse de théories fondamentales qui expliquent la relation dynamique entre le développement économique et la durabilité environnementale. L’enquête est principalement guidée par l’hypothèse40 de la courbe de Kuznets environnementale (EKC), qui postule une trajectoire en forme de U inversée où la dégradation environnementale augmente initialement avec la croissance économique mais diminue finalement après avoir atteint un certain seuil de revenu. Pour tester cette proposition centrale, le produit intérieur brut (PIB) est inclus comme principal indicateur de l’échelle et du développement économiques. Parallèlement, l’analyse intègre l’hypothèse de croissance axée sur le tourisme, nécessitant l’inclusion du Tourisme et du Voyage (T&T) en pourcentage du PIB afin d’évaluer le double rôle du secteur, à la fois comme moteur d’expansion économique et source potentielle d’augmentation de la consommation de ressources et de la pollution. L’attente théorique d’une relation non linéaire conduit à l’incorporation d’un terme au carré T&T dans le modèle afin de capturer empiriquement le point de tournant potentiel de l’EKC spécifique au secteur touristique. Un fondement théorique supplémentaire est fourni par l’hypothèse du paradis de pollution, qui suggère que des réglementations environnementales strictes dans les économies développées peuvent conduire au déplacement des industries polluantes vers des pays aux normes plus souples. Pour évaluer empiriquement cette affirmation pour la Chine, les flux de coentreprises (JV) sont incorporés comme un substitut de l’investissement direct étranger, testant si ces flux de capitaux aggravent l’empreinte environnementale intérieure. Le modèle reconnaît également le rôle crucial des systèmes énergétiques à travers le prisme du cadre IPAT (Impact = Population × Afluence × Technologie), qui identifie la consommation d’énergie comme un moteur fondamental et proche de l’impact écologique. Par conséquent, l’Utilisation de l’Énergie (UE) est incluse comme une variable indépendante clé, reflétant l’intensité de la pollution inhérente au mix énergétique d’un pays. Enfin, le modèle prend en compte l’Open Trade (OT), informé par la théorie du commerce, qui postule que le commerce international influence l’environnement par l’échelle (augmentation de la production), la composition (changements dans la structure industrielle) et les effets techniques (transfert de technologie). Le choix de l’empreinte environnementale globale (FE) comme variable dépendante est en soi un choix théorique aligné sur l’économie écologique, car il fournit une mesure globale de la demande anthropique sur les écosystèmes bioproductifs, capturant efficacement le coût environnemental multidimensionnel desactivités économiques 41,42. Cette triangulation théorique cohérente éclaire directement la construction de l’ensemble de données échantillonné, garantissant que chaque variable représente un canal spécifique et théorique par lequel l’évolution socio-économique de la Chine impacte sa base écologique.

Spécifications des données et des modèles
De 1990 à 2023, cette recherche a utilisé des registres annuels de la série de base en provenance de Chine. La variable dépendante de l’étude, qui peut remplacer la pollution environnementale, est l’empreinte environnementale. En d’autres termes, la FE fournit le nombre d’hectares de territoire et la rivière nécessaires pour soutenir l’utilisation du territoire. Selon une théorie, les coûts environnementaux à valeurs plus élevées présentent un dommage environnemental plus important. L’ensemble de l’écosystème est utilisé pour évaluer les dommages environnementaux. Les revenus touristiques, les dépenses touristiques et le pourcentage de visiteurs ont largement pris la place de facteurs de développement de l’industrie touristique dans la littératurepertinente 43. L’impact carbone est le facteur de dépendance du rapport. Cette étude a été pionnière dans l’utilisation des données sur le tourisme et les voyages en pourcentage du PIB pour examiner leur impact sur l’empreinte environnementale de la Chine. Suite aux travaux de Mrabet etAlsamara 44, la consommation d’énergie a également été prise en compte dans l’étude. Les données ont été recueillies pour la recherche actuelle à partir des Indicateurs de développement mondiaux. L’annuaire statistique chinois et le Bureau chinois des statistiques ont tous deux fourni des informations sur la croissance du tourisme en Chine. De plus, des informations sur l’empreinte ont été obtenues auprès du Global Footprint Network (2018)45, et l’Atlas mondial de données a fourni des informations sur l’industrie du voyage et du tourisme en proportion du PIB.

Cadre analytique
Selon les dernières recherches, la croissance de l’industrie touristique augmente considérablement l’ampleur des effets environnementaux. En conséquence, nous définissons la prochaine équation économétrique estimable, qui vient après46,47 comme suit :

Équation 1(1)

PIB signifie développement économique, où EF représente l’empreinte environnementale et l’UE l’utilisation de l’énergie. Dans le but d’examiner ses effets sur le coût environnemental de la Chine, cette recherche a porté sur les voyages ainsi que l’industrie touristique en pourcentage du PIB (T&T). De plus, le terme somme des carrés pour le nombre de visiteurs et les déplacements est ajouté pour tester le lien de type courbe de Kuznets entre l’impact carbone et l’industrie touristique. Le système représente l’investissement direct étranger (IDE) pour examiner si ses flux d’entrée jouent un rôle significatif dans la détermination de l’intégrité environnementale en suivant la Spéculation des Sanctuaires sur les émissions de carbone ou la Spéculation des Halosde Contamination 48. De plus, la libéralisation des échanges, qui est également un facteur crucial de protection de l’environnement, a été mise en avant dans le domaine environnemental de ce rapport conformément aux travaux de49 personnes. Voici le modèle économétrique.

Équation 2(2)

Les recherches les plus récentes ont utilisé le graphique naturel des facteurs du rapport pour obtenir les élasticitats immédiates du coefficient et simplifier la procédure d’estimation. Ainsi, ce qui suit est une modification de l’équation ;

Équation 3(3)

Approche d’estimation
La recherche actuelle examine d’abord la fluidité de l’information afin de déterminer si elle est nivelée ou stationnaire. Une analyse de cointégration appropriée pouvant être utilisée dans cette situation est le retard auto-régressif (ARDL). Il est débattu que la méthode d’évaluation liée à l’ARDL est meilleure que différentes méthodes en fonction de ses qualités, qui incluent les suivantes : elle peut être utilisée malgré la séquence de corrélation de facteurs, qu’ils soient I(0) ou I(1) ou un mélange, ce qui peut simultanément évaluer des résultats plus courts et prolongés ; elle englobe la question des variables exogènes et de la connexion des restes car grâce à la bonne sélection des retards, elle possède des qualités de test assez limitées comparées à l’approchede Johansen 50. La méthode de génération des enregistrements englobe suffisamment de délais lors du passage d’un plan aussi courant à une structure particulière pour des estimationsprécises 51. De plus, grâce à une transformation linéaire simple, nous pouvons intégrer des ajustements à court terme pour créer un mécanisme de correction d’erreurs sans perturber l’équilibre à long terme. La recherche se concentre sur les mécanismes de correction d’erreur sous ARDL pour les estimations à court terme et les mesures basées sur le moindre carré ordinaire (OLS) pour la période prolongée. La présente étude a utilisé un cadre double logarithmique, adapté à Malaysia52, et a pris des facteurs sous forme de logarithmique afin d’éviter les préoccupations liées à l’autocorrélation et à la multi-colinéarité. La technique ARDL a été utilisée dans cette recherche pour identifier les connexions de présence à long terme suivantes :

Équation 7(4)

Où l’erreur standard est indiquée par β0 est le terme constant. La prochaine partie du calcul, symbolisée par λ, indique des connexions prolongées, tandis que les icônes de somme représentent la dynamique à court terme. Pour déterminer si les variables sont incluses à long terme ou non, la recherche a choisi un test borné. On affirme que la valeur approximative des F-statistiques dépasse la borne maximale à laquelle on peut prédire l’existence de la cointégration. Le test de cointégration a été examiné davantage dans la présente étude. De nombreux chercheurs ont développé diverses techniques de coordination dans les œuvres littéraires économétriques, avec des résultats et des caractéristiques variables. Un test consolidé a été créé pour améliorer la capacité de corrélation basé sur plusieurs méthodes de cointégration antérieures. Pour des méthodes d’estimation encore plus complètes, cette technique propose des statistiques combinées pour tester les points zéro sans cointégration. La cointégration sera acceptée si l’hypothèse nulle est rejetée. Selon la somme des niveaux de signification mesurés (p-valeurs) pour chaque test de cointégration selon la formule de Fisher, il est le suivant :

Équation 4(5)

Équation 5(6)

Dans ce cas, EG signifie statistiques d’Engle et Granger, et JOH signifie statistiques de testde Johansen 53. Il est démontré que le BDM, et le BO présentent les statistiques du testde Boswijk 54. De la même manière que les acronymes considérés pour ces évaluations montrent les valeurs p de la cointégration, nous rejetterions l’hypothèse de non-cointégration si les valeurs tabulates sont inférieures aux statistiques de Fisher estimées. De plus, les évaluations à court terme suivantes seraient réalisées en utilisant le mécanisme de correction des erreurs :

Équation 6(7)

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Analyse préliminaire
Une analyse préliminaire approfondie des données est une condition fondamentale pour une modélisation économétrique robuste, car elle établit les caractéristiques essentielles et le comportement des variables sous-jacentes. Cette étape consiste à examiner les statistiques descriptives pour comprendre les tendances centrales, la dispersion et la normalité, tandis que des inspections graphiques telles que les diagrammes en boîte et les tendances des taux de croissance fournissent de...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Les résultats de cette étude confirment la relation complexe entre les activités économiques et la dégradation de l’environnement en Chine, avec des implications cruciales pour la politique. Notre application du test de causalité de Toda-Yamamoto et de la méthode de cointégration ARDL a fourni un cadre solide pour démêler ces dynamiques. Le succès de ce protocole analytique reposait sur deux étapes cruciales : premièrement, l’établissement d’une relation stable de cointégration à long te...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont aucun intérêt concurrent à déclarer.

Remerciements

Cette recherche n’a pas reçu de financement.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Sources de données
Données sur l’empreinte environnementale (EF)Réseau mondial d’empreinte (2018)Sert de variable dépendante capturant la pression écologique des activités économiques ; remplace les indicateurs traditionnels de pollution.
Tourisme & Voyages (T& T) en pourcentage du PIBWorld Data Atlas ; Annuaire statistique chinois ; Bureau chinois des statistiquesMesure le secteur touristique sa contribution à l’activité économique et ses implications environnementales ; utilisée pour tester l’EKC dirigé par le tourisme en incluant T& T2.
PIB (Indicateur de développement économique)Indicateurs du développement mondial (WDI)Variable centrale pour tester l’hypothèse EKC et modéliser l’effet d’échelle de la croissance économique.
Utilisation de l’énergie (UE)Indicateurs du développement mondial (WDI)Capture l’intensité polluante de la consommation d’énergie, conformément au cadre IPAT.
Coentreprise (JV) / Proxy IDEMinistère du Commerce de Chine, Investissement et Investissement chinois JV RecordsUtilisé comme proxy pour les IDE afin de tester les hypothèses du Paradis de Pollution et du Halo de Pollution en Chine.
Ouverture du commerce (prolongation)Indicateurs du développement mondial (WDI)Représente l’ouverture commerciale pour évaluer les effets d’échelle, de composition et de technique sur la EF.
Variables Construites
Tourisme Terme non linéaire (T& T² ;)Terme calculé au carré de T& T en pourcentage du PIBPermet de tester les comportements non linéaires de type EKC dans le secteur touristique.
Variables transformées en logarthologieLe logarithme naturel appliqué à la EF, à la T et à la T T, PIB, UE, OTAssure une interprétation basée sur l’élasticité, réduit l’hétéroscédasticité et améliore l’ajustement du modèle.
< Solide>Logiciel & Logiciels Outils
Logiciels d’économétrieEViews / Stata / R (non spécifié mais obligatoire)Utilisé pour la transformation de séries temporelles, l’estimation économétrique (ARDL, tests de cointégration), le diagnostic et les tests de causalité.
< Méthodes >Économétriques et Strong Tests
Test racine unitaireADF, PP (implicite), diagnostic de stationarité pour les séries temporellesDétermine si les variables sont I(0) ou I(1) avant l’estimation ARDL.
Tests des bornes ARDLPesaran et al. (2001) Méthodologie ARDLÉvalue la cointégration à long terme entre la FE et ses déterminants ; gère des ordres d’intégration mixtes.
Test combiné de cointégration Fisher-JohansenEngle & ndash ; Granger, Johansen, Boswijk, Banerjee-Dolado-Mestre (BDM)Valide les relations de cointégration en utilisant plusieurs statistiques intégrées de cointégration.
Estimation ARDL à long et court termeCadre ECM basé sur ARDLEstime les élasticités à court terme et les relations d’équilibre à long terme affectant la FE.
Terme de correction d’erreur (ECT)Dérivé de l’équation à long terme de l’ARDLMesure la vitesse à laquelle l’EF revient à l’équilibre après des chocs à court terme.
Structure & Diagnostic de la stabilitéTests CUSUM et CUSUMSQTeste la stabilité structurelle et l’absence de décalages de paramètres dans le temps.
Analyse de la causalitéCausalité de Granger (dans le cadre ARDL)Détermine la causalité directionnelle entre EF, le tourisme, le PIB, l’UE, les OT et la coentreprise.

Références

  1. Khan, A., et al. Examining the pollution haven, and environmental kuznets hypothesis for ecological footprints: an econometric analysis of China, India, and Pakistan. J Asia Pac Econ. 26 (3), 462-482 (2021).
  2. Liu, P., et al. Determining the environmental effect of Chinese FDI on the Belt and Road countries CO2 emissions: an EKC-based assessment in the context of pollution haven and halo hypotheses. Environ Sci Eur. 36 (1), 48(2024).
  3. Yilanci, V., Pata, U. K. Investigating the EKC hypothesis for China: the role of economic complexity on ecological footprint. Environ Sci Pollut Res. 27 (26), 32683-32694 (2020).
  4. Mahmood, H. Trade, FDI, and CO2 emissions nexus in Latin America: the spatial analysis in testing the pollution haven and the EKC hypotheses. Environ Sci Pollut Res. 30 (6), 14439-14454 (2023).
  5. Li, W., et al. Energy consumption, pollution haven hypothesis, and Environmental Kuznets Curve: examining the environment-economy link in Belt and Road Initiative countries. Energy. 239, 122559(2022).
  6. Akram, R., et al. Investigating the existence of asymmetric environmental Kuznets curve and pollution haven hypothesis in China: fresh evidence from QARDL and quantile Granger causality. Environ Sci Pollut Res. 29 (33), 50454-50470 (2022).
  7. Ahmad, M., et al. Heterogeneity of pollution haven/halo hypothesis and environmental Kuznets curve hypothesis across development levels of Chinese provinces. J Clean Prod. 285, 124898(2021).
  8. Liu, Y., Lai, X. EKC and carbon footprint of cross-border waste transfer: evidence from 134 countries. Ecol Indic. 129, 107961(2021).
  9. Al Numan, A., et al. Testing the pollution haven and inverted N-shaped EKC hypotheses in the ASEAN region: the impact of FDI and energy mix on environmental quality. Environ Sustain Indic. , 100698(2025).
  10. Kumar, P., et al. Pollution haven hypothesis and EKC dynamics: moderating effect of FDI. A study in Shanghai Cooperation Organization countries. Environ Res Commun. 6 (11), 115032(2024).
  11. Han, A., et al. Investigation of pollution haven hypothesis for China: a Fourier ADL cointegration analysis. Akademik Arastirmalar ve Calismalar Dergisi. 16 (31), 429-440 (2024).
  12. Liu, H., et al. Spatial pattern and the development of green finance trends in China. Renew Energy. 211, 370-378 (2023).
  13. Sun, C., et al. Investigation of pollution haven hypothesis for China: an ARDL approach with breakpoint unit root tests. J Clean Prod. 161, 153-164 (2017).
  14. Gill, F. L., et al. Analysis of pollution haven hypothesis (PHH) and environmental Kuznets curve (EKC) in selected ASEAN countries. Rev Econ Dev Stud. 6 (1), 83-95 (2020).
  15. Leal Filho, W., et al. Identifying and overcoming obstacles to the implementation of sustainable development at universities. J Integr Environ Sci. 14 (1), 93-108 (2017).
  16. Mahmood, H., et al. The environmental Kuznets curve (EKC) hypothesis in China: a review. Sustainability. 15 (7), 6110(2023).
  17. Doğan, B., et al. innovation and fiscal spending: decoding the path to sustainable development. Sustain Dev. , (2025).
  18. Naqvi, S. A. A., et al. Environmental sustainability and biomass energy consumption through the lens of pollution haven hypothesis and renewable energy-environmental Kuznets curve. Renew Energy. 212, 621-631 (2023).
  19. Wang, X. Determinants of ecological and carbon footprints to assess the framework of environmental sustainability in BRICS countries: a panel ARDL and causality estimation model. Environ Res. 197, 111111(2021).
  20. Dao, N. B., et al. Toward sustainable ecology: how do environmental technologies, green financial policies, energy uncertainties, and natural resources rents matter. Clean Techn Environ Policy. 27, 1387-1405 (2025).
  21. Ben Jebli, M., et al. The dynamic linkage between renewable energy, tourism, CO2 emissions, economic growth, foreign direct investment, and trade. Lat Am Econ Rev. 28 (1), 1-19 (2019).
  22. Pulido-Fernández, J. I., et al. Does environmental sustainability contribute to tourism growth? An analysis at the country level. J Clean Prod. 213, 309-319 (2019).
  23. Bekun, F. V., et al. Revisiting the pollution haven hypothesis within the context of the environmental Kuznets curve. Int J Energy Sect Manag. 17 (6), 1210-1231 (2023).
  24. Wang, Q., et al. Reinvestigating the environmental Kuznets curve (EKC) of carbon emissions and ecological footprint in 147 countries: a matter of trade protectionism. Humanit Soc Sci Commun. 11 (1), 1-17 (2024).
  25. Xuan, V. N. Determinants of environmental pollution in China: novel findings from ARDL method. Environ Health Insights. 18, 11786302241307102(2024).
  26. Liu, H., et al. Export diversification and ecological footprint: a comparative study on EKC theory among Korea, Japan, and China. Sustainability. 10 (10), 3657(2018).
  27. Paramati, S. R., et al. The role of environmental technology for energy demand and energy efficiency: evidence from OECD countries. Renew Sustain Energy Rev. 153, 111735(2022).
  28. Al-Mulali, U., et al. Investigating the environmental Kuznets curve (EKC) hypothesis by utilizing the ecological footprint as an indicator of environmental degradation. Ecol Indic. 48, 315-323 (2015).
  29. Ozkan, O., et al. Reconsidering the environmental Kuznets curve, pollution haven, and pollution halo hypotheses with carbon efficiency in China: a dynamic ARDL simulations approach. Environ Sci Pollut Res. 30 (26), 68163-68176 (2023).
  30. Ullah, S., et al. Digital inclusion and environmental taxes: a dynamic duo for energy transition in green economies. Appl Energy. 361, 122911(2024).
  31. Nawaz, S. M., et al. The impasse of energy consumption coupling with pollution haven hypothesis and environmental Kuznets curve: a case study of South Asian economies. Environ Sci Pollut Res. 28 (35), 48799-48807 (2021).
  32. Seker, F., et al. The impact of foreign direct investment on environmental quality: a bounds testing and causality analysis for Turkey. Renew Sustain Energy Rev. 52, 347-356 (2015).
  33. Adebayo, T. S., et al. Analyzing the effects of solar energy innovations, digitalization, and economic globalization on environmental quality in the United States. Clean Techn Environ Policy. 26 (12), 4157-4176 (2024).
  34. Ibrahim, M. H., Rizvi, S. A. R. Emissions and trade in Southeast and East Asian countries: a panel co-integration analysis. Int J Clim Change Strat Manag. 7 (4), 460-475 (2015).
  35. Zhuang, Y., et al. Environmental impact of infrastructure-led Chinese outward FDI, tourism development and technology innovation: a regional country analysis. J Environ Plann Manag. 66 (2), 367-399 (2022).
  36. Hassan, M. S., et al. Prospects of environmental kuznets curve and green growth in developed and developing economies. Stud Appl Econ. , (2020).
  37. Güler, İ, et al. Analyzing the impact of economic growth and FDI on sustainable development goals in China: insights from ecological footprints and load capacity factors. Front Environ Sci. 13, 1513158(2025).
  38. Saleem, N., Shujah-ur-Rahman, J. Z. The impact of human capital and biocapacity on environment: environmental quality measure through ecological footprint and greenhouse gases. J Pollut Eff Cont. 7 (2), 237(2019).
  39. Li, B., et al. Ecological footprint analysis of the phosphorus industry in China. Environ Sci Pollut Res. 29 (48), 73461-73479 (2022).
  40. Dinda, S. Environmental Kuznets curve hypothesis: a survey. Ecol Econ. 49 (4), 431-455 (2004).
  41. Murshed, M., et al. The nexus between environmental regulations, economic growth, and environmental sustainability: linking environmental patents to ecological footprint reduction in South Asia. Environ Sci Pollut Res. 28 (36), 49967-49988 (2021).
  42. Thio, E., et al. The estimation of influencing factors for carbon emissions based on EKC hypothesis and STIRPAT model: Evidence from top 10 countries. Environ Dev Sustain. 24 (9), 11226-11259 (2022).
  43. Leal Filho, W., et al. Identifying and overcoming obstacles to the implementation of sustainable development at universities. J Integr Environ Sci. 14 (1), 93-108 (2017).
  44. Saint Akadiri, S., et al. Renewable energy consumption in EU-28 countries: policy toward pollution mitigation and economic sustainability. Energy Policy. 132, 803-810 (2019).
  45. Lin, D., et al. Ecological footprint accounting for countries: updates and results of the National Footprint Accounts, 2012-2018. Resources. 7 (3), 58(2018).
  46. Chen, L., et al. The relationship between tourism, carbon dioxide emissions, and economic growth in the Yangtze River Delta, China. Sustainability. 10 (7), 2118(2018).
  47. Zhang, W., et al. Mental health and psychosocial problems of medical health workers during the COVID-19 epidemic in China. Psychother Psychosom. 89 (4), 242-250 (2020).
  48. Magazzino, C., et al. A machine learning approach on the relationship among solar and wind energy production, coal consumption, GDP, and CO2 emissions. Renew Energy. 167, 99-115 (2021).
  49. Mrabet, Z., Alsamara, M. Testing the Kuznets Curve hypothesis for Qatar: A comparison between carbon dioxide and ecological footprint. Renew Sustain Energy Rev. 70, 1366-1375 (2017).
  50. Aşıcı, A. A., Acar, S. Does income growth relocate ecological footprint. Ecol Indic. 61, 707-714 (2016).
  51. Ben Jebli, M., Hadhri, W. The dynamic causal links between CO2 emissions from transport, real GDP, energy use and international tourism. Int J Sustain Dev World Ecol. 25 (6), 568-577 (2018).
  52. Ali, Q., et al. The impact of tourism, renewable energy, and economic growth on ecological footprint and natural resources: a panel data analysis. Resour Policy. 74, 102365(2021).
  53. Bilgili, F. Stationarity and cointegration tests: comparison of Engle-Granger and Johansen methodologies. Erciyes Univ Iktisadi Idari Bilimler Fak Derg. 13, 131-141 (1998).
  54. Boswijk, P. On the formulation of Wald tests on long-run parameters. Oxf Bull Econ Stat. 55 (1), 137-144 (1993).
  55. Toda, H. Y., Yamamoto, T. Statistical inference in vector autoregressions with possibly integrated processes. J Econom. 66 (1-2), 225-250 (1995).
  56. Pulido-Fernández, J. I., et al. Does environmental sustainability contribute to tourism growth? An analysis at the country level. J Clean Prod. 213, 309-319 (2019).
  57. Al-Mulali, U., et al. Electricity consumption from renewable and non-renewable sources and economic growth: evidence from Latin American countries. Renew Sustain Energy Rev. 30, 290-298 (2014).
  58. Gholipour, H. F., et al. Foreign investments in real estate, economic growth and property prices: evidence from OECD countries. J Econ Policy Reform. 17 (1), 33-45 (2014).
  59. Mrabet, Z., Alsamara, M. The impact of parallel market exchange rate volatility and oil exports on real GDP in Syria: evidence from the ARDL approach. J Int Trade Econ Dev. 27 (3), 333-349 (2018).
  60. Zahra, S., et al. Fiscal policy and environment: a long-run multivariate empirical analysis of ecological footprint in Pakistan. Environ Sci Pollut Res. 29 (2), 2523-2538 (2022).
  61. Asif, K., et al. political instability, and environmental degradation in South Asia: a comparative analysis of carbon footprint and ecological footprint. J Knowl Econ. 15 (1), 4072-4096 (2024).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Courbe environnementale de Kuznetsimpact de l cotourismecroissance conomiqueconsommation d nergieouverture commercialeinvestissements directs trangerstourisme durablepolitique environnementale de la Chine

Articles connexes