Cette étude menée auprès de 21 pays de l’OCDE (2000-2020) révèle que l’Indice de politique environnementale, les émissions de gaz à effet de serre et les technologies liées à l’environnement facilitent l’adoption des énergies renouvelables, tandis que le PIB vert la freine. Une relation causale bidirectionnelle existe entre toutes les variables. Le rythme de la transition reste insuffisant, nécessitant des réformes politiques et des taxes sur la pollution.
Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.
Article de recherche
L’influence des politiques et technologies environnementales sur la transition vers les énergies renouvelables
Dans cet article
Résumé
Résumé
La capacité en énergie renouvelable (REC) joue un rôle central dans la réalisation du développement durable et de la neutralité carbone, pourtant les effets de la performance des politiques écologiques, de la qualité environnementale, de l’innovation technologique et de la croissance économique verte sur la REC restent hétérogènes selon les pays et les étapes du développement des énergies renouvelables. Cette étude examine les déterminants de la capacité énergétique renouvelable dans 21 pays de l’OCDE de 2000 à 2020, en se concentrant sur la performance des politiques écologiques (PEI), les émissions de gaz à effet de serre (GES), les technologies écologiques (EFT) et le PIB vert. Le cadre empirique utilise l’approche de test des bornes du Lag Distribué Autorégressif (ARDL) en panel pour examiner la cointégration à long terme, la régression quantile de la méthode des moments (MMQR) pour capturer des effets hétérogènes à travers la distribution conditionnelle de la REC, ainsi que les tests de causalité de Granger en panel pour déterminer la direction des relations causales. Le test des bornes du panel ARDL confirme une relation d’équilibre stable à long terme entre les variables (F = 7,845, p < 0,01). Les résultats du MMQR montrent que l’IPE exerce un effet positif et de plus en plus fort sur les quants (0,092–0,212), tandis que l’EFT présente le gradient positif le plus prononcé (0,131–0,221) et présente une causalité bidirectionnelle avec la REC, indiquant un cycle de renforcement entre innovation technologique et déploiement des énergies renouvelables. Les émissions de GES ont une association positive modeste avec la REC (0,048–0,082) mais ne causent pas une REC unidirectionnelle ; au contraire, une capacité plus élevée en énergie renouvelable réduit considérablement les émissions. Le PIB vert présente constamment un effet négatif sur le PIB (−0,348 à −0,138), bien que cet effet s’affaiblisse à des quantiles de capacité énergétique renouvelable plus élevés, suggérant un ajustement de transition lors du passage vers une économie plus verte. Ces résultats indiquent que les effets de la politique environnementale, de l’innovation technologique, des émissions et de la performance économique verte dépendent de l’étape, soulignant la nécessité de cadres politiques spécifiques à chaque déploiement, d’investissements soutenus dans la recherche et le développement verts, ainsi que d’instruments politiques complémentaires pour atténuer les coûts d’ajustement à court terme tout en accélérant la transition vers les énergies renouvelables.
Introduction
La demande énergétique mondiale croissante a renforcé la nécessité d’une transition rapide vers des sources d’énergie propres. Bien que les énergies renouvelables aient représenté environ 30 % de la croissance de l’offre solaire, les combustibles fossiles continuent de dominer la demande énergétique incrémentale, entraînant une accumulation continue d’émissions de dioxyde de carbone (CO2) et menaçant la réalisation des objectifs de l’Accordde Paris 1. Une compréhension systématique des tendances d’investissement en énergie durable, illustrée par la cartographie scientifique et la méta-analyse présentées dans Financing the Future : Insights into Sustainable Energy Investments, met en lumière la convergence des transformations politiques, financières et technologiques survenues à travers les économies de l’OCDE entre 2000 et 20202. Cette période de vingt ans, qui englobe 21 pays de l’OCDE, constitue un cadre idéal pour évaluer les déterminants à long terme du déploiement des énergiesrenouvelables 3. La transition vers les énergies renouvelables dépend de l’interaction efficace entre gouvernance environnementale, investissement financier et innovationtechnologique 4. Une récente revue systématique a identifié les facteurs économiques et politiques comme les principaux moteurs de l’expansion des énergies renouvelables. Les analyses de seuil des pays de l’OCDE ont également démontré que la rigueur des politiques environnementales favorise le déploiement des énergies renouvelables seulement après avoir dépassé un seuilcritique 5, tandis que la diffusion des technologies écologiques nécessite également un investissement soutenu avant que des bénéfices significatifsne soient réalisés 6. De plus, des analyses dynamiques de régression quantile dans 77 pays ont montré que les technologies écologiques favorisent significativement la consommation d’énergie renouvelable, en particulier dans les économiesen développement.
Malgré ces avancées, plusieurs lacunes importantes en recherche subsistent. Les études existantes examinent généralement les politiques environnementales et l’innovation technologique isolément, en négligeant leurs synergies potentielles dans le déploiement des énergies renouvelables. De plus, la capacité en énergie renouvelable (REC), utilisée dans cette étude comme variable dépendante, a reçu une attention limitée dans des cadres empiriques intégrés qui prennent en compte simultanément la politique environnementale, l’innovation technologique, les émissions et la performance économiqueverte 8. De plus, l’élan en faveur de l’adoption des énergies renouvelables dans les économies avancées a ralenti. Les émissions de gaz à effet de serre (GES) de l’OCDE restent élevées, tandis que la rigueur des politiques climatiques n’a augmenté que de 1 % en 2024, mettant en lumière un écart de mise en œuvre qui nécessite une enquête plus approfondie sur les moteurs des énergies renouvelables dans les économies à revenuélevé 9. En conséquence, cette étude examine les déterminants de la capacité énergétique renouvelable dans 21 pays de l’OCDE de 2000 à 2020, en utilisant l’Indice de Performance Écologique (PEI), les émissions de gaz à effet de serre (GES), les technologies écologiques (EFT) et le PIB vert comme variables explicatives. Après des tests diagnostiques préliminaires, le test de cointégration des bornes du panel ARDL est utilisé pour établir des relations d’équilibre à long terme, la Method of Moments Quantile Regression (MMQR) est appliquée pour capturer l’hétérogénéité de distribution, et des tests de causalité en panel sont réalisés pour déterminer la direction des relationscausales 10. Les résultats démontrent que l’IPE et l’EFT n’exercent des effets positifs significatifs que bien au-delà de seuils spécifiques, tandis que l’influence du PIB vert varie selon la distribution conditionnelle de la capacité énergétique renouvelable, soulignant l’importance d’une politique environnementale coordonnée, de l’innovation technologique et des stratégieséconomiques 11. En modélisant explicitement les effets conjoints de la performance en matière de politique environnementale et du développement technologique à différents niveaux de capacité en énergie renouvelable, cette étude fournit des preuves plus nuancées pour soutenir la formulation de politiques en matière d’énergies renouvelables.
Les déterminants de la transition vers les énergies renouvelables ont été largement étudiés ; Cependant, la compréhension reste limitée par des perspectives théoriques fragmentées et des analyses empiriques principalement descriptives plutôtqu’intégratives 12. En particulier, les principaux moteurs du déploiement des énergies renouvelables, notamment la performance en matière de politique environnementale, la technologie écologique, les émissions de gaz à effet de serre et la production économique ajustée en fonction des verts, ont rarement été examinés dans un cadre analytique unifié tenant compte de l’interconnexion des marchés financiers et de la numérisation de la financeverte 13.
La performance en politique environnementale, couramment mesurée à l’aide d’indicateurs composites tels que l’Indice de Performance Écologique (EPI), occupe une place centrale dans la littérature sur les énergiesrenouvelables 14. Des études précoces ont démontré que des réglementations environnementales bien conçues réduisent l’incertitude des investissements et fournissent des signaux de marché prévisibles qui encouragent l’investissement bascarbone 15. Des études plus récentes menées auprès de pays de l’OCDE utilisant des estimateurs à effets fixes et des méthodes de moments généralisées par système ont rapporté qu’une augmentation d’une unité de la rigueur des politiques environnementales est associée à une augmentation de 0,34 % de la production d’électricitérenouvelable 16. Néanmoins, une évaluation critique de cette littérature indique que les effets positifs de la rigueur des politiques diminuent à des niveaux très élevés en raison de la fatigue réglementaire17. De plus, l’accent exclusif mis sur les économies à revenu élevé limite la validité externe de ces résultats. Une méta-analyse complète de 89 études empiriques a conclu que les instruments politiques fondés sur le marché, y compris les taxes carbone et les systèmes d’échange de quotas d’émission, surpassent systématiquement les réglementations de commandement et de contrôle en promouvant la capacité d’énergierenouvelable 18. Bien que cette méta-analyse ait synthétisé des preuves issues de régions géographiques et approches méthodologiques diverses, les auteurs ont souligné que l’efficacité des politiques reste nettement supérieure dans les pays dotés d’une capacité institutionnelle plus forte, mettant en lumière un important écart géographique dans lalittérature 19. De plus, les études orientées vers les politiques publiques considèrent généralement les marchés des énergies renouvelables comme indépendants des systèmes financiers plus larges, négligeant la possibilité que des débordements financiers inter-marchés puissent renforcer ou affaiblir l’efficacité des politiques20.
Un second corpus de littérature identifie la technologie écologique (EFT) comme un catalyseur majeur de la réduction des coûts des énergies renouvelables et de l’accélération de la diffusion technologique. Des preuves empiriques basées sur des données de brevets provenant de 25 pays européens ont démontré qu’une augmentation de 10 % des demandes de brevets liés à l’environnement a réduit le coût nivellé des systèmes photovoltaïques solaires de 1,8 % et de l’énergie éolienne terrestre de 2,3 %. Bien que ces études utilisent des méthodes économétriques rigoureuses, elles reposent principalement sur des indicateurs d’innovation conventionnels et ne tiennent pas compte de l’importance croissante de la finance verte numérique et des technologies financières (FinTech) pour faciliter l’investissementclimatique 22. Des preuves récentes issues des économies émergentes de l’Organisation de coopération islamique (OCI) indiquent que les services financiers numériques renforcent les politiques environnementales en réduisant les coûts de transaction et en élargissant l’accès au financementvert 23. Par conséquent, mesurer la TFE uniquement par l’activité brevetée peut sous-estimer les interactions entre la politique environnementale et les mécanismes financierstechnologiques 24. De plus, des études sur la diffusion technologique rapportent d’importants effets de débordement transfrontaliers, avec des innovations issues d’Allemagne et du Danemark contribuant de manière significative au déploiement mondial de l’énergieéolienne 25. Cependant, ces enquêtes considèrent rarement comment la contagion financière sur les marchés des énergies propres influence la diffusion écologique des technologies. Des preuves récentes sur l’interconnexion dynamique entre les marchés verts, des énergies propres et des marchés financiers durables montrent des débordements importants de volatilité, suggérant que des chocs affectant un segment du système financier vert peuvent rapidement influencer les investissements dans les énergiesrenouvelables26. En conséquence, interpréter l’EFT exclusivement comme un indicateur national basé sur un brevet néglige l’environnement financier plus large dans lequel la diffusion technologique se produit de plus enplus 27.
La relation entre les émissions de gaz à effet de serre (GES) et le déploiement des énergies renouvelables reste controversée. Selon l’hypothèse de la « pression politique », l’augmentation des émissions stimule la demande publique pour des politiques de décarbonation plus fortes et un investissement accru dans les énergies renouvelables. Une analyse de panel croisée sur 34 pays de l’OCDE soutient cette hypothèse, démontrant qu’une augmentation d’un écart-type des émissions de GES par habitant prédit une augmentation ultérieure de 0,21 écart-type des investissements dans les énergies renouvelables après deuxans 28. Cependant, ces résultats reposent exclusivement sur des économies avancées dotées d’une qualité institutionnelle relativement forte, ce qui limite leur applicabilité aux pays en développement à forte intensité carbone. Des preuves alternatives suggèrent une relation non linéaire dans laquelle des intérêts puissants dans les combustibles fossiles limitent de plus en plus les politiques d’énergie renouvelable une fois que les émissions dépassent un seuilcritique de 29. Des analyses de régression de seuil utilisant des données provenant de 60 pays ont identifié une relation en forme de U inversée, le tournant variant selon la qualité institutionnelle et la dépendance aux ressourcesnaturelles 30. Il est important de noter que ces études négligent généralement l’influence modératrice de l’interconnexion des marchés financiers. Lors des périodes d’augmentation des émissions, le sentiment négatif des investisseurs peut déborder sur les marchés financiers des énergies propres, limitant le financement des énergies renouvelables précisément lorsque la demande d’investissement est la plus forte. Des preuves récentes sur la transmission de la volatilité inter-marchés soutiennent ce mécanisme et suggèrent que les débordements financiers pourraient compliquer la relation positive attendue entre les émissions et l’investissement dans les énergiesrenouvelables 31,32.
Le PIB vert, défini comme le produit intérieur brut ajusté pour la dégradation environnementale et l’épuisement des ressources naturelles, offre une mesure plus complète de la performance économique durable que le PIBconventionnel 33. Néanmoins, les preuves empiriques concernant sa relation avec la capacité d’énergie renouvelable restent mitigées. Certaines études soutiennent que les améliorations du PIB vert réduisent l’urgence perçue de l’investissement dans les énergies renouvelables en signalant une diminution des dommages environnementaux par unité de productionéconomique 34. En revanche, d’autres recherches suggèrent qu’une croissance soutenue du PIB vert reflète une transformation structurelle vers des économies orientées vers les services, moins énergivores, facilitant l’intégration des énergiesrenouvelables 35. Les analyses de cointégration par panel couvrant 40 pays entre 2000 et 2018 fournissent des preuves d’asymétrie temporelle, révélant un effet négatif à court terme du PIB vert sur la capacité énergétique renouvelable, mais une relation positive à long terme suite à une croissance économique vertesoutenue 36. Bien que ces preuves reposent sur des ensembles de données étendus et de longues périodes d’observation, elles ne prennent pas en compte les effets des chocs financiers mondiaux. Lors d’épisodes d’instabilité financière, les répercussions de volatilité sur les marchés financiers verts peuvent affaiblir la relation PIB vert–capacité énergétique renouvelable en limitant les flux d’investissement dans les projets d’énergie renouvelable, malgré des améliorations de la performance environnementale37,38.
En résumé, les recherches existantes ont considérablement amélioré notre compréhension des déterminants du déploiement des énergies renouvelables ; cependant, d’importantes lacunes subsistent. Les études précédentes ont généralement examiné la politique environnementale, l’innovation technologique, les émissions de gaz à effet de serre et la performance économique verte de manière indépendante plutôt que dans un cadre analytique intégré. De plus, la technologie écologique est encore mesurée principalement à l’aide d’indicateurs d’innovation conventionnels. Pour remédier à ces limitations, cette étude étudie la capacité en énergie renouvelable dans 21 pays de l’OCDE entre 2000 et 2020, en utilisant l’Indice de Performance Écologique, les émissions de gaz à effet de serre, les technologies écologiques et le PIB vert comme variables explicatives. En appliquant la régression quantile de la méthode des moments, l’étude capture des effets hétérogènes dans la distribution de la capacité d’énergie renouvelable, offrant une compréhension plus complète des facteurs politiques, technologiques et économiques qui façonnent la transition vers les énergies renouvelables. Les recherches futures devraient intégrer des indicateurs FinTech et des mesures du risque financier afin de faire progresser davantage ce domaine.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Protocole
Philosophie de recherche et conception
Cette étude adopte une philosophie de recherche positiviste, en supposant que les déterminants de la capacité énergétique renouvelable (REC) peuvent être examinés objectivement à l’aide d’analyses quantitatives de données en panel de données. Un plan de recherche comparative longitudinal et international est utilisé pour étudier les relations à long terme entre la capacité d’énergie renouvelable et ses déterminants dans 21 pays de l’Organisation de coopération et de développement économiques (OCDE) sur la période 2000–2020. Guidée par l’identité de Kaya, une approche déduction-analytique est utilisée pour développer le modèle empirique et tester les relations hypothététiques entre la capacité énergétique renouvelable, la performance des politiques écologiques, les émissions de gaz à effet de serre (GES), les technologies écologiques (EFT) et le PIB vert. Le cadre analytique intègre la collecte de données, les tests diagnostiques, l’analyse de cointégration, la régression quantile et l’analyse de causalité en panel afin d’assurer la cohérence méthodologique et une inférence statistique robuste.
Collecte de données et variables
L’étude utilise un ensemble de données équilibré comprenant 21 pays de l’OCDE observé annuellement de 2000 à 2020, ce qui donne 441 observations par année-pays. Les données ont été obtenues à partir de bases de données accessibles au public et reconnues internationalement afin d’assurer la transparence et la reproductibilité. Le tableau 1 résume les variables, unités de mesure, sources de données et signes attendus. La capacité d’énergie renouvelable (REC) est utilisée comme variable dépendante et est mesurée comme la capacité totale installée de production d’électricité renouvelable (MW). Les variables explicatives incluent l’Indice de Performance Écologique (PEI), les émissions de gaz à effet de serre (GES) (tonnes équivalentes CO₂), les technologies écologiques (EFT), mesurées par des demandes de brevets liées à l’environnement, et le PIB vert, mesuré comme produit intérieur brut ajusté pour la dégradation environnementale et l’appauvrissement des ressources naturelles (USD constant 2015). La capacité d’énergie renouvelable, l’IPE, les émissions de GES et les EFT ont été obtenus à partir de la base de données des statistiques de l’OCDE, tandis que le PIB vert a été obtenu à partir de la base de données de la Banque mondiale. Toutes les variables ont été transformées en logarithmes naturels avant estimation afin de stabiliser la variance, de réduire l’hétéroscédasticité et de faciliter l’interprétation de l’élasticité.
Cadre théorique et spécification du modèle
Le cadre empirique repose sur l’IdentitéKaya 39, qui décompose les émissions de dioxyde de carbone en population, activité économique, intensité énergétique et intensité carbone, fournissant ainsi une base théorique pour comprendre les moteurs de la durabilité environnementale :
(1)
où le CO2 représente les émissions de dioxyde de carbone ; CO2/Énergie désigne l’intensité carbone de la consommation d’énergie ; L’énergie/PIB vert représente l’intensité énergétique de la production économique ajustée à l’environnement ; Le PIB vert/Population désigne le produit intérieur brut par habitant ajusté de l’environnement ; et la population représente la population totale.
Les variables explicatives correspondent directement aux composantes théoriques de l’identité de Kaya. L’Indice de Performance Écologique représente la performance des politiques environnementales visant à promouvoir des systèmes énergétiques plus propres. La technologie écologique reflète une innovation technologique qui améliore l’efficacité énergétique et réduit les coûts des énergies renouvelables. Les émissions de gaz à effet de serre représentent une pression environnementale pour la décarbonation, tandis que le PIB vert capture la performance économique ajustée à l’environnement. Sur la base de ce cadre, le modèle empirique suivant est estiméà 39 :
(2)
où REC désigne la capacité d’énergie renouvelable ; L’EPI représente l’Indice de Performance Écologique ; Les GES désignent les émissions de gaz à effet de serre ; L’EFT représente une technologie écologique ; Le PIB vert désigne le produit intérieur brut ajusté par l’environnement ; i indexe les pays ; t indique les années ; τ0 est l’interception ; τ1–τ 4 sont les coefficients de régression estimés ; εc’est le terme d’erreur idiosyncratique.
Tests diagnostiques
Avant d’estimer les modèles empiriques, une série de tests diagnostiques a été réalisée pour évaluer les propriétés statistiques des données du panel et identifier les techniques d’estimation appropriées. Premièrement, la dépendance transversale a été examinée à l’aide du test34 de la dépendance transversale (CD) de Pesaran, car les pays de l’OCDE sont susceptibles de subir des chocs communs liés aux conditions économiques mondiales, aux marchés internationaux de l’énergie et à des politiques environnementales coordonnées :
(3)
où N désigne le nombre d’unités de section transversale ; T désigne le nombre de périodes de temps ; i et k indexent les unités de section transversale (i ≠ k) ; 
représente le coefficient de corrélation par paires estimé des résidus de régression entre les unités de coupe transversale i et k ; j désigne l’ordre de latence ; E(·) représente la valeur espérée ; et V(·) désigne la variance utilisée pour standardiser la statistique du test. Deuxièmement, l’hétérogénéité des pentes a été évaluée à l’aide du test d’hétérogénéité des pentes de Pesaran–Yamagata afin de déterminer si les effets des variables explicatives différaient selon lespays 40 :
(4)
(5)
où Δ̃adj désigne la statistique du test d’hétérogénéité de pente ajustée ; N représente le nombre d’unités de section transversale ; T désigne le nombre de périodes de temps ; k est le nombre de variables explicatives ; et S̃ représente la statistique standardisée de dispersion de la pente de Swamy utilisée pour évaluer l’hétérogénéité des paramètres entre les unités de panneau. Enfin, la stationnalité a été évaluée à l’aide du test unitaire Im–Pesaran–Shin (CIPS) (Cross-sectionally Augmented Roots), qui prend en compte à la fois la dépendance à la section transversale et les coefficients de pentehétérogènes 41 :
(6)
où CIPS désigne la statistique racine de l’unité de panneau Im–Pesaran–Shin augmentée en section transversale ; N représente le nombre d’unités de section transversale ; CDFi désigne la statistique de Dickey–Fuller augmentée en section transversale pour la ième unité de section transversale ; et i indexe les unités transversales individuelles. Les résultats de ces tests diagnostiques ont orienté la sélection de techniques économétriques de panel de deuxième génération adaptées aux ensembles de données hétérogènes.
Test de cointégration en panel
Pour déterminer s’il existe une relation d’équilibre stable à long terme entre la capacité en énergie renouvelable, la performance en matière de politique environnementale, les émissions de gaz à effet de serre, la technologie écologique et le PIB vert, le test de cointégration des limites du Panel ARDL a été utilisé. Comparée aux tests conventionnels de cointégration basés sur les résidus, l’approche de Westerlund prend en compte la dépendance de la section transversale, les coefficients de pente hétérogènes et les tailles d’échantillons réduites. Le test produit quatre statistiques : deux statistiques de moyenne de groupe (Gt etG a) et deux statistiques de panel (Pt et Pa). Le rejet de l’hypothèse nulle indique la présence d’une relation d’équilibre à long terme entre les variables36,42 :
(7a)
(7b)
(7c)
(7d)
où Gt et G a désignent les statistiques de test moyen de groupe du test de cointégration des bornes du panel ARDL ; P, t et P a désignent les statistiques du panel ; N représente le nombre d’unités de section transversale ; T désigne le nombre de périodes de temps ; est le coefficient estimé de correction d’erreur pour la ième unité de section transversale ; 
représente le coefficient de correction d’erreur regroupé ; SE() et SE() désignent les erreurs standard correspondantes ; et i indexe les unités de section transversale individuelles. La présence de cointégration justifie l’estimation des élasticités à long terme et les analyses qu’elles ont suivies basées sur des quantiles.
Méthode de la régression quantile des moments (MMQR)
Parce que les estimateurs conventionnels en panel ne fournissent que des effets moyens, ils peuvent dissimuler une hétérogénéité substantielle entre les pays opérant à différents niveaux de déploiement des énergies renouvelables. Pour capturer ces effets hétérogènes, la Méthode de la Régression Quantile des Moments (MMQR) a été utilisée.
Le MMQR estime les effets de la performance en politique écologique, des émissions de gaz à effet de serre, des technologies écologiques et du PIB vert sur plusieurs quants conditionnels de capacité énergétique renouvelable, permettant ainsi à l’influence des variables explicatives de varier selon la maturité du déploiement des énergies renouvelables. La méthode prend en compte simultanément les effets fixes individuels et l’hétérogénéité non observée tout en estimant à la fois les paramètres de localisation etd’échelle 43 :
(8)
où Qτ(Y it | Xit) désigne le conditionnel τe quantile de la variable dépendante ; Y il représente la capacité d’énergie renouvelable (REC) ; Xdésigne le vecteur des variables explicatives (EPI, émissions de GES, EFT et PIB vert) ; σ1 est l’interception ; ζ est le vecteur des paramètres de localisation ; αi représente l’effet fixe spécifique à chaque pays ; Z désigne les covariables de la gamme ; γ est le vecteur des paramètres d’échelle ; Uest le terme d’erreur ; et les pays et années des indices i et t, respectivement. La composante échelle du modèle MMQR est spécifiéecomme suit 43 :
(9)
où Zi(X) désigne la fonction d’échelle des variables explicatives ; Zi représente le vecteur des covariables d’échelle ; X désigne le vecteur des variables explicatives ; i indexe les unités transversales (pays) ; et k désigne le nombre total de variables explicatives. À titre d’analyse de robustesse, une régression quantile conventionnelle en panel avec des erreurs standard bootstrapées a également été estimée afin de vérifier la cohérence des résultats du MMQR.
Test de causalité du panel
L’orientation des relations causales entre la capacité en énergie renouvelable, la performance des politiques écologiques, les émissions de gaz à effet de serre, la technologie écologique et le PIB vert a été examinée à l’aidedu test de non-causalité 44 du panel Dumitrescu–Hurlin. Cette approche prend en compte la dépendance des sections transversales et les structures de panneaux hétérogènes tout en identifiant si les relations causales sont unidirectionnelles ou bidirectionnelles.
L’analyse de causalité en panel complète les analyses de cointégration et MMQR en distinguant entre les variables qui influencent la capacité énergétique renouvelable et celles qui répondent aux changements dans le déploiement des énergies renouvelables. L’établissement de l’orientation causale fournit des preuves supplémentaires pour éclairer la priorisation des politiques et la séquence des interventions en énergie renouvelable.
Toutes les analyses statistiques ont été réalisées à l’aide d’un logiciel d’analyse statistique. La séquence analytique, allant des tests diagnostiques et analyses de cointégration à la régression quantile et aux tests de causalité en panel, fournit un cadre cohérent et reproductible pour évaluer les déterminants de la capacité énergétique renouvelable dans les pays de l’OCDE.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Résultats
Statistiques descriptives
Les caractéristiques de distribution des variables étudiées ont été examinées avant l’estimation économétrique. Le tableau 2 résume les statistiques descriptives des variables log-transformées dans 21 pays de l’OCDE entre 2000 et 2020. La capacité d’énergie renouvelable (REC), l’indice de performance écologique (IPE), les émissions de gaz à effet de serre (GES), les technologies écologiques (EFT) et le PIB vert présentaient u...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Discussion
La présente étude a examiné les déterminants de la capacité énergétique renouvelable dans 21 pays de l’OCDE entre 2000 et 2020 en intégrant la performance en matière de politique environnementale, les émissions de gaz à effet de serre (GES), les technologies écologiques (EFT) et le PIB vert dans un cadre de régression quantile de la méthode des moments (MMQR). Les résultats révèlent une hétérogénéité substantielle dans la distribution conditionnelle de la capacité énergétique renouvelabl...
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Déclarations de divulgation
Tous les auteurs déclarent ne pas avoir de conflit d’intérêts.
Remerciements
Ce travail est soutenu par le Projet de recherche en philosophie et sciences sociales du Département provincial de l’Éducation du Jiangsu (2022SJYB2268).
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Matériaux
| Nom | Entreprise | Numéro de catalogue | Commentaires |
|---|---|---|---|
| Test du racine unitaire CIPS | StataCorp | Stata 18 | Implémenté à l'aide de la commande xtcips ou multipurt pour le test de racine unitaire de panel Im-Pesaran-Shin augmenté en coupe transversale. |
| Test de dépendance transversale (CD) | StataCorp | Stata 18 | Implémenté à l'aide de la commande xtcsd pour effectuer le test CD de Pesaran. |
| Test de non-causalité de Granger du panel Dumitrescu–Hurlin | StataCorp | Stata 18 | Implémenté à l'aide de la commande xtgcause pour l'analyse de causalité en panel. |
| Technologie écologique (EFT) | Statistiques OCDE | N/A | Données sur les demandes de brevets liées à l'environnement extraites de la base de données Statistiques OCDE (https://stats.oecd.org/). |
| Indice de performance écologique (EPI) | Statistiques OCDE | N/A | Données extraites de la base de données Statistiques OCDE (https://stats.oecd.org/). |
| EViews | IHS Global Inc. | Version 14 | Logiciel d'analyse statistique alternatif pour l'économétrie de panel. |
| PIB vert | Banque mondiale | N/A | Données extraites de la banque de données de la Banque mondiale (https://databank.worldbank.org/). Plus précisément, données sur les économies nettes ajustées, utilisées pour calculer le PIB vert. |
| Émissions de gaz à effet de serre (GES) | Statistiques OCDE | N/A | Données extraites de la base de données Statistiques OCDE (https://stats.oecd.org/). |
| Régression quantilique par la méthode des moments (MMQR) | StataCorp | Stata 18 | Implémenté à l'aide de la commande mmqreg, qui doit être installée à partir de l'archive Statistical Software Components (SSC). |
| Test d'hétérogénéité de pente Pesaran–Yamagata | StataCorp | Stata 18 | Implémenté à l'aide de la commande xttest3 ou xthetero. |
| R | Fondation R | Version 4.6.0 ou supérieure | Alternative open-source pour le calcul statistique. |
| Capacité d'énergie renouvelable (REC) | Statistiques OCDE | N/A | Données extraites de la base de données Statistiques OCDE (https://stats.oecd.org/). |
| Test de cointégration de panel Westerlund | StataCorp | Stata 18 | Implémenté à l'aide de la commande xtwest, qui doit être installée à partir de la SSC |
Références
- Hassan Q, et al. The renewable energy role in the global energy Transformations. Renewable Energy Focus. 2024 Mar 1;48:100545.
- Wang Z, et al. The transition of renewable energy and ecological sustainability through environmental policy stringency: Estimations from advanced panel estimators. Renew Energy. 2022;188:70-80.
- Zhang D, Kong Q. Green energy transition and sustainable development of energy firms: An assessment of renewable energy policy. Energy Econ. 2022;111:106060.
- Zhou X, et al. Transition to renewable energy and environmental technologies: The role of economic policy uncertainty in the top five polluted economies. J Environ Manage. 2022;313:115019.
- Ullah S, Luo R, Nadeem M, Cifuentes-Faura J. Advancing sustainable growth and energy transition in the United States through the lens of green energy innovations, natural resources and environmental policy. Resour Policy. 2023;85:103848.
- Yin HT, Wen J, Chang CP. Going green with artificial intelligence: The path of technological change toward the renewable energy transition. Oecon Copernicana. 2023;14(4):1059-1095.
- Niaz MS, Khoso AK, Talpur KR, Talpur BA. Beyond the curve: How economic complexity and pandemics reshape the energy-emissions nexus in Asia. IEEE Access. 2026;14:22946-22957.
- Rabbani MR, Kiran M. Financing the future: Insights into sustainable energy investments through scientific mapping and meta-analysis. Discov Sustain. 2025;6(1):34.
- Obrero EJ, Mohamed N. The nexus between carbon pricing, clean fuel technology, and renewable energy sources: implications for carbon emission reduction. Climate Economics and Social Impact (CESI). 2023;1(1):55-67.
- Sahoo M, Sethi N, Padilla MA. Unpacking the dynamics of information and communication technology, control of corruption, and sustainability in green development in developing economies: New evidence. Renew Energy. 2023;216:119088.
- Liu H, Zhu Q, Khoso WM, Khoso AK. Spatial pattern and the development of green finance trends in China. Renew Energy. 2023;211:370-378.
- Behera B, Sucharita S, Patra B, Sethi N. A blend of renewable and non-renewable energy consumption on economic growth in India: The role of disaggregate energy sources. Environ Sci Pollut Res. 2024;31(3):3902-3916.
- Sabbar SS. An econometric analysis of the causes of environmental degradation in developing countries. Climate Economics and Social Impact (CESI). 2023;1(1):24-38.
- Saleh HM, Hassan AI. The challenges of sustainable energy transition: A focus on renewable energy. Appl Chem Eng. 2024;7(2):2084.
- Rabbani MR, Kiran M. The nexus of FinTech, environmental sustainability, and climate change: Insights from OIC emerging economies. Sustain Futures. 2025;10:100986.
- Javed A, et al. Do green technology innovation, environmental policy, and the transition to renewable energy matter in times of ecological crises? A step toward ecological sustainability. Technol Forecast Soc Change. 2024;207:123638.
- Omri A, Jabeur SB. Climate policies and legislation for renewable energy transition: The roles of the financial sector and political institutions. Technol Forecast Soc Change. 2024;203:123347.
- Das A, Sethi N. Modelling the environmental pollution-institutional quality nexus in low- and middle-income countries: Exploring the role of financial development and educational level. Environ Dev Sustain. 2023;25(2):1492-1518.
- Ghaffar A, Sardar M. Different regions' climate vulnerability and the success of transitioning to renewable energy. Climate Economics and Social Impact (CESI). 2023;1(1):39-54.
- Liza FF, et al. Environmental technology development and renewable energy transition toward carbon-neutrality goals in G20 countries. Clean Technol Environ Policy. 2024;26(10):3369-3390.
- Ivanovski K, Marinucci N. Policy uncertainty and renewable energy: Exploring the implications for global energy transitions, energy security, and environmental risk management. Energy Res Soc Sci. 2021;82:102415.
- Jain S, Puri N, Rabbani MR. Dynamic interconnectedness and risk transmission in green, clean energy, and sustainable markets. Indian J Finance. 2025;29-48.
- Sun G, Li G, Dilanchiev A, Kazimova A. Promotion of green financing: The role of renewable energy and energy transition in China. Renew Energy. 2023;210:769-775.
- Behera P, et al. Pathways to achieve carbon neutrality in emerging economies: Catalyzing the role of renewable energy, green growth, information and communication technology, and political risk. Renew Energy. 2025;243:122514.
- Wei S, Jiandong W, Saleem H. The impact of renewable energy transition, green growth, green trade, and green innovation on environmental quality: Evidence from the top 10 green future countries. Front Environ Sci. 2023;10:1076859.
- Chen B, Xiong R, Li H, Sun Q, Yang J, et al. Pathways for sustainable energy transition. J Clean Prod. 2019;228:1564-1571.
- Jacobsson S, Lauber V. The politics and policy of energy system transformation: Explaining the German diffusion of renewable energy technology. Energy Policy. 2006;34(3):256-276.
- Esiri AE, Kwakye JM, Ekechukwu DE, Benjamin O. Public perception and policy development in the transition to renewable energy. Magna Sci Adv Res Rev. 2023;8(2):228-237.
- Pradhan P, et al. Can green growth and ecological footprint mitigation go hand in hand? The role of sectoral energy consumption, green innovation, and greenfield investment in emerging economies. Econ Change Restruct. 2025;58(2):18.
- Kilinc-Ata N, Çamkaya S. Assessing the impact of technology on the European Union clean energy transition: Evidence from the Green Energy Mix Quality Index. Int J Energy Sect Manag. 2026;20(4):1068-1087.
- Li Y, et al. Geopolitical risks and the global renewable energy transition: Implications for energy security and economic resilience. Energy Rep. 2026;15:108875.
- Li B. The role of financial markets in the energy transition: An analysis of investment trends and opportunities in renewable energy and clean technology. Environ Sci Pollut Res. 2023;30(43):97948-97964.
- Sethi L, et al. Sustainable future orientation for BRICS+ nations: Green growth, political stability, renewable energy, and technology for ecological footprint mitigation. Renew Energy. 2025;244:122701.
- Pesaran MH, Schuermann T, Weiner SM. Modeling regional interdependencies using a global error-correcting macroeconometric model. J Bus Econ Stat. 2004;22(2):129-162.
- Behera P, Sethi L, Saqib N, Sethi N. Green finance and public-private partnerships: Dynamic ARDL insights into renewable energy and air quality enhancement. Econ Change Restruct. 2026;59(1):16.
- Westerlund J. Testing for error correction in panel data. Oxf Bull Econ Stat. 2007;69(6):709-748.
- Zhang X, Feng D, Wang J, Sui A. Integrating renewable energy systems: Assessing financial innovation, renewable energy generation intensity, energy transition, and environmental regulation with renewable energy sources. Energy Strateg Rev. 2024;56:101567.
- Asante D, et al. Renewable energy technology transition among small- and medium-scale firms in Ghana. Renew Energy. 2021;178:549-559.
- Kaya Y. Impact of carbon dioxide emission control on GNP growth. Energy and Industry Subgroup, Response Strategies Working Group, Intergovernmental Panel on Climate Change (IPCC). Paris, France. 1990.
- Pesaran MH, Yamagata T. Testing slope homogeneity in large panels. J Econometrics. 2008;142(1):50-93.
- Pesaran MH. A simple panel unit root test in the presence of cross-section dependence. J Appl Econom. 2007;22(2):265-312.
- Chudik A, Pesaran MH, Shin Y. Long-run effects in large heterogeneous panel data models with cross-sectionally correlated errors. Adv Econ. 2016;36:85-135.
- Machado JAF, Silva JMC. Quantiles via moments. J Econometrics. 2019;213(1):145-173.
- Dumitrescu EI, Hurlin C. Testing for Granger non-causality in heterogeneous panels. Econ Model. 2012;29(4):1450-1460.
- Behera B, Behera P, Sucharita S, Sethi N. Mitigating ecological footprint in BRICS countries: Unveiling the role of disaggregated clean energy, green technology innovation, and political stability. Discov Sustain. 2024;5(1):165.
- Omri A, Hamza F, Alkahtani N. When do innovation and renewable energy transition drive environmental sustainability? Sustainability. 2025;17(15):6910.
- Jiang Y, Guo Y, Bashir MF, Shahbaz M. Do renewable energy, environmental regulations, and green innovation matter for China's zero-carbon transition? Evidence from green total factor productivity. J Environ Manage. 2024;352:120030.
- Behera B, et al. Fuelling the low-carbon transportation sector in emerging economies: Role of institutional quality, environmental tax, green technology innovation, and biofuel. Transp Policy. 2025;166:124-134.
- Osei A, Osei Agyemang A, Kofi Boadi P. Navigating the path to ecological sustainability in MENA's green transition: The role of renewable energy adoption and environmental regulation. Manage Environ Qual. 2025;36(6):1352-1371.
- Zhong J, Kan HY. The impact of government policy, natural resources, and ecological innovations on energy transition and environmental sustainability: Insights from China. Resour Policy. 2024;89:104531.
- Behera P, Behera B, Sethi N, Handoyo RD. What drives environmental sustainability? The role of renewable energy, green innovation, and political stability in OECD economies. Int J Sustain Dev World Ecol. 2024;31(7):761-775.
- Sethi L, Behera P, Behera B, Sethi N. Unravelling the role of renewable energy, information and communication technology, and agricultural credit for sustainable agricultural productivity in developing countries. Int J Sustain Dev World Ecol. 2024;31(7):989-1003.
Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.
Réimpressions et autorisations
