È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.

Articolo metodologico

Eterogeneità spaziale nell'impronta di carbonio derivante dagli investimenti nella Belt and Road valutata tramite un modello di ritardo distribuito autoregressivo a sezione trasversale

338 visualizzazioni

⸱

DOI:

10.3791/69602

⸱

19 dicembre 2025

 ,  ,  ,  ,  ,  , 
1School of Law and Public Administration, Leshan Normal University, 2School of Public Policy, Hong Kong University of Technology and Science, Li Yuan Foreign Language Primary School (Tianjiao), 3School of Ecology and Environment, Renmin University of China, 4Art College of Pu'er, 5Faculty of Art and Humanities, King's College London, 6College of Financial Engineering, Shanxi University of Finance and Economics, 7College of Mechanical Engineering, Yangzhou University

In questo articolo

Sommario

Questo studio analizza l'impatto ambientale degli investimenti diretti esteri cinesi (IDE), del turismo e dell'innovazione sulle emissioni di carbonio nelle regioni dell'Iniziativa Belt and Road utilizzando modelli econometrici spaziali.

Abstract

Questo studio mira a indagare empiricamente l'impatto multifaccettato degli investimenti diretti esteri (IDE) guidati dalle infrastrutture cinesi, dello sviluppo turistico e dell'innovazione tecnologica sulle emissioni di carbonio nei paesi partecipanti all'Iniziativa Belt and Road (BRI). Andando oltre l'analisi aggregata, la ricerca esamina specificamente l'effetto sinergico spesso trascurato tra IDE e turismo ed esplora le significative eterogeneità regionali in queste relazioni ambientali. Metodologicamente, lo studio impiega tecniche di panel di seconda generazione per garantire stime robuste in presenza di dipendenza della sezione trasversale e eterogeneità delle pendenze. L'analisi utilizza gli stimatori Cross-Sectional Autoregressive Distributed Lag (CS-ARDL) e Common Correlated Effects Mean Group (CCEMG) sui dati dal 2000 al 2020 per individuare sia la dinamica a breve che a quella di lungo periodo. I risultati chiave rivelano un ruolo complesso e dualistico per gli IDE. Sebbene sia associata a una riduzione delle emissioni di carbonio nel campione completo e in regioni come il Sud-est asiatico e l'Europa, aumenta significativamente le emissioni nel Sud Asia e nei paesi MENA. In modo cruciale, l'interazione tra IDE e sviluppo turistico si è riscontrata di aggravare le emissioni di carbonio, indicando che gli investimenti infrastrutturali amplificano l'impronta ambientale del turismo. Inoltre, l'innovazione tecnologica mitiga costantemente le emissioni e lo studio convalida l'ipotesi della Curva di Kuznets Ambientale (EKC) su tutti i campioni. Le implicazioni di questi risultati sono profonde per i decisori politici, sottolineando la necessità di andare oltre gli approcci taglia unica. La principale novità dello studio risiede nel suo esplicito focus sugli IDE guidati dalle infrastrutture, nella quantificazione dell'effetto di interazione IDN-turismo e nella sua rivoluzionaria disaggregazione regionale, che collettivamente rivelano la natura contestata e dipendente dal contesto dell'eredità ambientale della BRI. Questa analisi dettagliata fornisce una base di evidenza fondamentale per formulare politiche mirate e specifiche per regione, volte a indirizzare la BRI verso il suo obiettivo dichiarato di sviluppo sostenibile.

Introduzione

L'Iniziativa Belt and Road (BRI), una strategia monumentale di sviluppo globale lanciata da China1, ha profondamente rimodellato il panorama economico e infrastrutturale in Asia, Africa edEuropa 2. Canalizzando livelli senza precedenti di investimenti diretti esteri (IDE) guidati dalle infrastrutture verso trasporti, energia e strutture portuali, la BRI mira a migliorare la connettività regionale e a stimolare la crescita economica. Un risultato critico, ma complesso, di questa connettività migliorata è stato il significativo impulso allo sviluppo turistico nei paesipartecipanti 3, facilitato da una maggiore accessibilità e infrastrutture4. Tuttavia, questa triade di investimenti infrastrutturali, crescita turistica ed espansione economica ha implicazioni ambientali sostanziali, in particolare riguardo alle emissioni dicarbonio 5. Comprendere l'interazione tra questi fattori è fondamentale per allineare gli obiettivi economici della BRI con quelli globali di sostenibilità, come l'Accordo di Parigi e gli Obiettivi di Sviluppo Sostenibiledelle Nazioni Unite 6. Questa ricerca indaga in particolare le conseguenze degli IDE guidati dalle infrastrutture cinesi, dello sviluppo turistico e dell'innovazione tecnologica sulle emissioni di carbonio nel contesto dei paesi partecipanti alla BRI.

Esiste una letteratura significativa che ha consolidato l'importanza del turismo come motore di sviluppo economico, specialmente nei mercatiemergenti 7,8. Il settore è attivamente incoraggiato dai governi perché porta entrate, contribuisce alla crescita dell'imprenditorialità e riduce al minimo ladisoccupazione 9. Il settore ha mostrato una forte crescita a livello globale, poiché gli arrivi di turisti internazionali hanno superato le previsioni e generato entrate di miliardi all'anno, una tendenza favorita dal miglioramento delle tecnologie di comunicazione, dai cambiamenti nelle procedure dei visti e dal miglioramento delle destinazionituristiche 10. Allo stesso tempo, ci sono state domande riguardo all'impronta ambientale di questa crescita11. Una linea di ricerca evidenzia l'effetto negativo del turismo, attribuendolo alla correlazione diretta tra il turismo e il consumo energetico e le emissioni di carbonio legate aitrasporti 12. Inoltre, nonostante le opportunità che i grandi progetti infrastrutturali della BRI offrono al settore turistico, sono noti anche per causare un enorme stress ambientale a causa della domanda energetica e dei disturbiecologici 13.

Tuttavia, la letteratura esistente presenta lacune critiche che questo studio cerca di affrontare. Innanzitutto, sebbene il legame generale tra turismo ed emissioni sia riconosciuto, le evidenze empiriche rimangono ambigue e spesso non tengono conto del contesto unico e sfaccettato della BRI. La relazione non è monolitica; È mediata da una serie di fattori locali, tra cui infrastrutture logistiche, esposizione a instabilità politica, standard ambientali e condizioniclimatiche. In secondo luogo, una narrazione concorrente nella letteratura sostiene che il turismo, specialmente quando allineato ai principi dell'ecoturismo e alle politiche verdi, possa essere un veicolo per la sostenibilità ambientale piuttosto che per ildegrado 15. Questa dualità sottolinea un significativo divario di conoscenza: in quali condizioni il turismo, all'interno del quadro BRI, aggrava o mitiga le emissioni? In terzo luogo, il ruolo degli IDE guidati dalle infrastrutture viene spesso studiatoisolatamente 16. L'effetto sinergico dello sviluppo degli IDE e del turismo, dove nuovi aeroporti, strade e hotel finanziati dagli IDE favoriscono e stimolano direttamente l'afflusso turistico, e il loro impatto collettivo sull'ambiente non è ben compreso. Questa ricerca affronta direttamente queste lacune conducendo un'analisi sfumata e completa delle conseguenze ambientali dei fattori economici della BRI. I ricercatori vanno oltre le generalizzazioni generalizzate per indagare l'impatto specifico e combinato degli IDE guidati dalle infrastrutture, dello sviluppo turistico e dell'innovazione tecnologica sulle emissioni di carbonio. I contributi di questo studio sono tripli. Innanzitutto, fornisce nuove evidenze empiriche sull'interconnessione tra investimenti infrastrutturali, turismo e emissioni di carbonio all'interno del contesto specifico e altamente rilevante dell'Iniziativa Belt and Road. Modellando esplicitamente l'interazione tra sviluppo turistico e IDE esterno, i ricercatori scoprono se la loro combinazione crei un effetto sinergico che amplifica o mitiga la pressione ambientale, una dimensione in gran parte trascurata negli studiprecedenti 17. In secondo luogo, questa ricerca dà un contributo metodologico significativo applicando un modello CS-ARDL e conducendo un'analisi regionale dettagliata. Questo ci permette di andare oltre le conclusioni universali e di rivelare le notevoli disparità regionali su come queste attività economiche impattano l'ambiente.

Revisione della letteratura

L'industria turistica è ampiamente riconosciuta come un catalizzatore significativo per lo sviluppo economico, in particolare nei mercatiemergenti 18. Studi empirici dimostrano costantemente la sua capacità di generare reddito, stimolare l'attività imprenditoriale e ridurre la disoccupazione, portando i governi di tutto il mondo ad adottare politiche favorevoli per ilsettore 19. I dati storici sottolineano questa crescita dinamica, con il settore che mantiene un tasso medio annuo di circa il 5% e arrivi di turisti internazionali previsti per superare 1,8miliardi 20, una proiezione spesso superata dai dati effettivi alimentati dai progressi nelle tecnologie della comunicazione, dal miglioramento delle infrastrutture turistiche e dalla snellività delle normative suivisti 21. Tuttavia, il contributo del settore alla crescita economica non è uniforme, poiché il suo successo è mediato da una complessa gamma di fattori locali, tra cui infrastrutture logistiche, stabilità politica, standard ambientali e condizioni climatiche, suggerendo che i modelli generalizzati di crescita guidata dal turismo sono spessoinadeguati 22.

Parallelamente all'espansione del turismo, le ripercussioni ambientali dello sviluppo economico sono emerse in modo chiaro, rivelando una narrazione dualistica all'interno del discorsoaccademico 23. Un filone della letteratura associa saldamente lo sviluppo turistico all'aumento del consumo energetico e alle emissioni di carbonio correlate ai trasporti, posizionando l'industria come un contributore significativo al degradoambientale. Questo è particolarmente rilevante nel contesto di iniziative su larga scala come l'Iniziativa Belt and Road (BRI) della Cina, che, attraverso investimenti diretti esteri (IDE) guidati dalle infrastrutture, migliora la connettività e stimola il turismo e l'attività economica, ma allo stesso tempo crea notevoli pressioni ambientali attraverso l'aumento della domanda energetica e la perturbazioneecologica 25. Al contrario, una prospettiva accademica concorrente sottolinea il potenziale del turismo sostenibile, sostenendo che l'ecoturismo e le politiche verdi possono mitigare l'inquinamento e garantire la sostenibilità ecologica a lungo termine, allineando così la crescita economica con la gestioneambientale 26. Questa dualità si estende anche al ruolo degli ID, che possono essere fonte sia di tecnologie inquinanti sia di innovazioni avanzate e rispettose dell'ambiente, creando un'ambiguità empirica che si complica ulteriormente quando gli IDE sono specificamente indirizzati alle infrastrutture che permettono la crescitaturistica 27.

Le complesse interconnessioni tra turismo, investimenti e ambiente richiedono un'indagine più approfondita sui fattori moderatori e sui quadri teorici28. L'innovazione tecnologica è spesso citata come un meccanismo critico per disaccoppiare la crescita economica dalle emissioni, attraverso l'adozione di energie rinnovabili e tecnologieverdi 29. Inoltre, la base teorica dell'ipotesi della Curva di Kuznets Ambientale (EKC) fornisce un quadro per testare la relazione tra sviluppo economico e degrado ambientale, suggerendo che le emissioni possano inizialmente aumentare con il reddito prima di diminuireinfine di 30. Il potenziale trasformativo della BRI, con proiezioni che suggeriscono che le sue economie potrebbero rappresentare metà del PIL globale entro il 2030, la rende uno studio di caso cruciale per esaminare questedinamiche. Tuttavia, rimane una lacuna significativa nella letteratura: la mancanza di studi empirici sfumati che modellino contemporaneamente l'impatto combinato degli IDE guidati dalle infrastrutture, dello sviluppo turistico e del progresso tecnologico sulle emissioni di carbonio nelle regioni eterogenee della BRI (Figura 1)32. Le ricerche esistenti spesso trattano questi fattori in isolamento, non riuscendo a coglierne gli effetti sinergici e le variazioni regionali, una lacuna che questa ricerca mira a colmare impiegando un approccio metodologico che tenga conto sia degli effetti correlati comuni sia delle disparitàtrasversali 33.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

Questo studio ha utilizzato esclusivamente dati macroeconomici secondari pubblici provenienti da fonti ufficiali, tra cui gli Indicatori di Sviluppo Mondiale (WDI) della Banca Mondiale e il Ministero del Commercio della Repubblica Popolare Cinese (MOFCOM). I dati grezzi sottostanti sono pubblicamente disponibili dalla Banca Mondiale (https://databank.worldbank.org/source/world-development-indicators) e dal Ministero del Commercio cinese (MOFCOM). Nessun soggetto umano o animale è stato coinvolto nella ricerca. Pertanto, questo studio non ha richiesto revisione o approvazione da parte di un comitato di revisione istituzionale (IRB) o di un comitato etico.

Costruzione di dati e variabili

Questa ricerca analizza l'EKC nei paesi insieme alla BRI ed esamina la correlazione tra le scorte di IDE cinesi esterne e le emissioni di carbonio. Generalmente, gli effetti dell'attività economica sull'ambiente possono essere suddivisi in tre categorie: comprendono ciò che gli autori hanno definito l'effetto Innovazione Tecnologica (TI), l'effetto composizione industriale e l'effetto scala economica. Pertanto, oltre alle caratteristiche principali dello studio, gli autori stanno rappresentando queste caratteristiche critiche. Di seguito è una percezione di questa correlazione:

Equazione 1(1)

In questo modello, diverse variabili vengono utilizzate per rappresentare vari indicatori economici. Questi includono:

CO2: emissioni di carbonio, TD: azioni di investimento diretto estero cinesi nei paesi dell'Iniziativa Belt and Road, TI: indici TD, PIL: prodotto interno lordo, SQGDP: quadrati del PIL (usati per indicare la Curva di Kuznets ambientale), e IVA: valore aggiunto industriale.

Il modello utilizza un pedice per indicare il numero di paesi e un pedice ε{it} per indicare l'ora. I parametri nel modello sono rappresentati da β{1} + β{2} + β{3} + β{4} + β{5} + β{6} e β{7} . Il termine μ{i} si riferisce a un fattore specifico di sezione trasversale, ε{it}, e rappresenta l'espressione errata (mishelm).

La BRI ha notevolmente migliorato la comunicazione tra la Cina e le altre nazioni contribuenti, influenzando in modo importante il consumo energetico, la crescita fiscale e le condizioni ambientali. I passi intrapresi dal governo cinese per sviluppare la BRI verde in linea con l'Accordo di Parigi (2015) e gli SDGs 2030 includono la diffusione dei vantaggi tecnologici e la crescita di infrastrutture energetiche efficienti edecologiche 34. Gu eZhou, 35 anni, hanno esaminato progetti di energia pulita recentemente costruiti nelle rispettive nazioni BRI con 16 GW di capacità installata e hanno contribuito a ridurre le emissioni di gas serra di 49 tonnellate metriche, confermando questi approcci. Inoltre, Li et al.36 hanno suggerito che l'Iniziativa Belt and Road aumenta l'efficienza energetica e lo sviluppo economico della nazione ospitante costruendo strutture energetiche e logistiche affidabili. Tuttavia, gli IDE della Cina aggravano i problemi ecologici nei paesi ospitanti a causa della crescente domanda di energia e risorse naturali. A seconda di questa logica, si prevede che gli investimenti diretti esteri della Cina all'estero possano avere un impatto sulle emissioni di carbonio in vari luoghi sia vantaggioso che dannoso:

Equazione 7

Nell'ultimo studio, Bekun et al.37 hanno indagato l'ipotesi che i ricavi turistici contribuiscano a ridurre le emissioni, ma gli arrivi dei visitatori abbiano l'effetto opposto. Inoltre, la sintesi degli studi scientifici (vedi Tabella 1) ha sottolineato che le variabili turistiche causavano specifiche conseguenze ambientali. Per conformarsi, questa ricerca conduce un indicatore cumulativo di coinvolgimento turistico che aiuta a rimuovere i bias soggettivi. L'indicatore complessivo del turismo potrebbe avere un effetto vantaggioso o dannoso sulla CO2.

Equazione 8

Comparabile a come l'aumento della connettività, le minori barriere alla concorrenza (sia persone che merci), le spedizioni più rapide e il miglioramento delle infrastrutture tra i paesi membri della BRI favoriscono l'espansione dell'industria turistica, che potrebbe avere un effetto cruciale sulla qualità ambientale, dato il fatto che le caratteristiche intrinseche dell'economia turistica possano essere vantaggiose.

Equazione 9

Data la natura fondamentale dell'attività economica, è necessario un maggiore consumo di energia e carburante, che comporta un aumento della CO2. Tuttavia, il progresso tecnologico per creare prodotti e procedure ecologiche, così come i cambiamenti guidati dall'innovazione nell'approvvigionamento energetico, possono avere un impatto significativo sulla sostenibilità ambientale. Il TI riduce le emissioni di anidride carbonica in questo modo.

Equazione 10

La teoria EKC è supportata dal fatto che la crescita economica è collegata all'aumento del consumoenergetico 38, che aumenta i livelli di emissioni, ma il quadrato dello sviluppo nell'economia riduce le emissioni di anidride carbonica.

Equazione 11

Un elemento chiave che influenza le emissioni di anidride carbonica delle nazioni ospitanti è la composizione commerciale di tali nazioni (Tabella 2). L'IVA potrebbe avere un effetto benefico sulle emissioni di CO2, poiché l'aumento dell'importanza industriale nei paesi vicini della BRI comporterà un aumento del consumo energetico e delle relativeemissioni 39.

Equazione 12

Sorgente dei dati e selezione dei campioni

L'importanza delle nazioni BRI si basa sull'assunto che rappresentino il 30% del PIL mondiale, il 64% dei suoi abitanti, il 39% del suo territorio, il 35% del commercio, il 50% del loro consumo di energia e il 54% delle emissioni diCO2. Oltre a questi dati, l'area BRI ha registrato una crescita enorme degli IDE cinesi, rendendola la piattaforma di collaborazione più efficace al mondo. Di conseguenza, gli autori indagano gli effetti ecologici degli investimenti diretti esteri in uscita, TD e TI della Cina nelle 2 (54) nazioni nodi Belting e Roads scelte dal 2000 al 2020. Per farlo, l'articolo utilizza dati annuali sulle emissioni diCO2 (tonnellate metriche), le scorte di investimenti diretti esteri cinesi in uscita (dollari USA costanti 2010), l'indicatore TD (per maggiori informazioni, vedi Tabella 3) e l'indice totale (TI), calcolato come l'importo totale dei brevetti (per abitanti e immigrati), il PIL (US$ continuo 2011). e i valori manifatturieri (% del PIL). È fondamentale fornire una statistica di test coerente quando si risolve il problema degli attributi differenziali, poiché questi fattori mostrano unità di misura diverse. Considerando ricerche precedenti, gli autori hanno trasformato tutti gli aspetti nel modello di regressione, che produce risultati sotto forma di elasticità che facilitano l'interpretazione dei dati. Oltre al capitale estero cinese per investimenti diretti esteri, che proviene dal Dipartimento dell'Economia e del Commercio cinese, le informazioni su questi fattori sono tratte dall'Indice Mondiale di Sviluppo (WDI).

Indice TD

Numerose metriche vengono impiegate negli studi turistici per descrivere le attività turistiche. I ricavituristici 41, la spesa turistica Pata e Balsalobre-Lorente42 e i dati delleammissioni 43 vengono utilizzati per quantificare la domanda turistica completa. Questi modelli turistici presentano diversi svantaggi poiché rappresentano solo una parte del legame tra gli inquinanti. Queste tre variabili turistiche sono molto collineari e, se vengono utilizzate contemporaneamente in un quadro unificato, potrebbero portare al problema della multicollinearità; secondo Meng et al.44, PCA combina fluttuazioni comuni da tutte le variabili turistiche in un punteggio cumulativo unico. Queste metriche turistiche sono tratte dal dataset WDI, che aiuta a creare un indicatore composito distintivo fondendo i dati molto critici.

Indice TD fino alla PCA

L'indice di Sviluppo Turistico (TD) è stato costruito utilizzando l'Analisi dei Componenti Principali (PCA) per consolidare le tre variabili turistiche altamente correlate (ricavi, spese e arrivi internazionali) in un unico punteggio composito. L'idoneità dei dati per la PCA è stata prima convalidata utilizzando due test standard. La misura Kaiser-Meyer-Olkin (KMO) dell'adeguatezza campionaria ha prodotto un valore di 0,723, superando la soglia raccomandata di 0,6, indicando che i modelli di correlazione erano compatti e quindi adatti all'analisi fattoriale. Inoltre, il Test di Bartlett sulla Sfericità era statisticamente significativo (p < 0,001), confermando che la matrice di correlazione non era una matrice identità e che le variabili erano sufficientemente correlate per PCA. Sulla base del criterio di Kaiser (autovalore > 1), è stato mantenuto solo il primo componente principale. Questa componente ha spiegato in modo soddisfacente oltre l'81% della varianza totale tra tutte e tre le variabili turistiche. I carichi fattoriali per tutte e tre le variabili erano positivi e elevati, supportando un bilanciamento nel calcolo dell'indice finale. I punteggi risultanti dell'indice TD variavano da -0,681 a 5,157 per il campione, dove un valore più basso indica un livello di sviluppo turistico inferiore, mentre un valore più alto indica un livello maggiore di sviluppo turistico tra le nazioni BRI.

Quadro analitico

I ricercatori hanno iniziato l'analisi testando due proprietà essenziali dei dati del panel: la dipendenza trasversale (CSD), che indica l'interconnessione tra i paesi, e l'eterogeneità delle pendenze (SH), che indica che le relazioni tra le variabili differiscono tra i paesi. Confermare queste proprietà fu un primo passo fondamentale, poiché rese necessario l'uso di test econometrici specializzati di seconda generazione per risultati accurati.

Dipendenza della sezione trasversale (CSD) e eterogeneità della pendenza (SH)

Il presupposto di variabilità inclinata e dipendenza trasversale mantenuta da base di radice unitaria di seconda generazione (SGN) (UR; inclusi i test CS supplement IPS UR) e dai test di cointegrazione rende necessario verificare prima di passare all'ordine di integrazione del fattore. A causa delle rapide fluttuazioni nei progetti finanziari e monetari seguite dai cambiamenti economici, dal crollo bancario, dalla globalizzazione, dall'interconnessione delle royalties e dalla mancanza di elementi comuni visivi e non rilevati, le serie di dati inevitabilmente pongono il problema della CSD. Prima di utilizzare UR e cointegrare test, CSD ci permette di selezionare il metodo più efficace per risolvere i problemi emersi. La ricerca ha utilizzato un approccio più sofisticato basato su Tang et al.45, il test CD per convalidare la CSD. Inoltre, l'articolo adotta il test SH di Zhuang et al.46, che è migliore delle analisi convenzionali di eterogeneità come SURE che non permettono la CSD nei pannelli47. Le formule di analisi dell'eterogeneità della pendenza sono le seguenti:

Equazione 13(2)

Equazione 14(3)

Test delle radici unitarie (URT)

Una fase successiva consiste nell'utilizzare gli esperimenti di radice unitaria corretti per garantire l'ordine di integrazione una volta verificati l'eterogeneità della CSD e della pendenza. L'ordine di integrazione per tutti i fattori è determinato dai modelli Dickey-Fuller (CADF) e IPS potenziato trasversalmente (CIPS) aumentati attraverso la sezione trasversale. I test di prima generazione sono i primi due URT, mentre le analisi SGN sono il terzo URT. Poiché consente la CSD calcolando radici unitarie variabili, CIPS è migliore. I test convenzionali delle radici unitarie di pannello forniscono risultati falsi quando è presente la CSD. Nonostante ciò, la ricerca attuale impiega test di base e sofisticati della radice unitaria per stime oggettive e coerenti. Segue l'equazione CIPS:

Equazione 15(4)

L'equazione qui sotto utilizza il simbolo per indicare la media tra le diverse sezioni.

Equazione 17(5)

I test statistici CIPS sono i seguenti:

Equazione 18(6)

Test di cointegrazione a panel

Gli autori stimano quindi la connessione di cointegrazione tra le emissioni di anidride carbonica e le loro cause, inclusi gli investimenti esterni in uscita, TD, TI e l'espansione economica cinese, dopo aver confermato CDS, eterogeneità delle pendenze e livello di stazionarità della variazione. La ricerca lo fa utilizzando l'approccio di cointegrazione dei panel, che fornisce previsioni realistiche quando i fattori errati dipendono da sezione trasversale e i panel sono diversi. Poiché questo test non impone vincoli tipici degli elementi considerando CSD e rotture strutturali, è preferibile ai test di cointegrazione di prima generazione. Inoltre, i metodi tradizionali di stima a pannello che utilizzano eterogeneità non osservata, modelli a effetti fissi e variabili strumentali non considerano la CSD della varianza costante, portando a stime imprecise. A differenza del test di cointegrazione di seconda generazione, la tecnica di cointegrazione a pannello affronta le interruzioni strutturali in varie posizioni per ogni sezione trasversale, oltre alla correlazione CSD, SH e seriale di espressioni errate. Il documento include il test di cointegrazione. La rottura strutturale e i cambiamenti di paradigma influenzano i valori autentici. Questa analisi fornisce previsioni di cointegrazione senza inquinamento, rottura di livello o cambiamento di paradigma (Tabella 4).

Ritardi autoregressivi distribuiti aumentati a sezione trasversale

Gli autori possono ora considerare valutazioni sperimentali sul legame a lungo termine tra i gas serra e i loro fattori determinanti. Il modello di previsione tradizionale presuppone la stabilità della sezione trasversale, cosa che non avviene nelle indagini iniziali. Dato che la quantità di inquinamento da carbonio è controllata da variabili rilevanti non viste che inducono la dipendenza da termini di errore trasversale, questa è un'ipotesi implausibile. Diversi fattori, tra cui l'aumento diseguale e improvviso degli IDE esterni cinesi e il cambiamento nei quadri finanziari e politici, conferiscono credibilità concettuale alla dipendenza trasversale dal programma Belt and Road. Questo perché le caratteristiche naturali possono essere distorte dalla presenza di variabili rilevanti non visibili collegate all'analisi di regressione. La stima CS-ARDL fornisce la migliore soluzione al problema della dipendenza della sezione trasversale e dell'eterogeneità del versante. Proponere una strategia dinamica di effetti correlati comuni che il metodo CS-ARDL utilizza per affrontare queste preoccupazioni. Questo ci porta alla seguente derivazione della formula CS-ARDL:

Equazione 19(7)

I modelli semplici di ritardi distribuiti autoregressivi (ARDL) hanno la funzione lineare mostrata sopra nell'Equazione (7); Se gli autori continuano con questa formula, otterranno risultati contrastanti a seconda che si verifichino o meno dipendenze trasversali. L'equazione (7) è generalizzata per fornire l'Equazione (8) tramite la media sulle sezioni d'urto. L'impatto del punto di soglia è presente solo se si considera la dipendenza trasversale, e questa procedura aiuterà a eliminare questa ipotesi potenzialmente fuorviante.

Equazione 20(8)

Dove Xt-1 = (CO2i,t–1, Zi,t–1) può essere considerato come la media delle variabili dipendenti e indipendenti, Pw,P z,P x Identifica tutti i ritardi all'interno di ogni parametro. CO2i,t, emissioni di anidride carbonica (tCO2) è un esempio di variabile dipendente, e Zi,t è un vettore che include tutti i diversi fattori. Le medie a sezione trasversale (incluse variabili temporali o di pattern) sono mostrate da X che dimostra come possono essere utilizzate per evitare la CSD causata dagli effetti a catena. IL CS-ARDL utilizza coefficienti di breve periodo come input per calcolare i coefficienti di lungo periodo. Per lo stimatore medio del numero e il coefficiente di lungo periodo.

Equazione 26(9)

Il gruppo medio è dato come:

Equazione 27(10)

I coefficienti di breve periodo sono stimati come:

Equazione 28(11)

Dove,

Equazione 29(12)

Equazione 30(13)

 Equazione 31(14)

 Equazione 32(15)

In caso di disturbo o del tempo necessario per raggiungere un equilibrio costante, le procedure di correzione degli errori per i CS-ARDL sono paragonabili a un pannello medio organizzato, che stabilisce il ritmo della modifica verso un equilibrio prolungato.

Stimatori di robustezza

Le procedure tradizionali di stima sono fortemente contrarie all'esistenza riconosciuta da questo comitato di eterogeneità delle pendenze e decomposizione della varianza. Inoltre, la ricerca utilizza la misura del Panel Medio Ordinario dell'Effetto Connesso stabilita da Pesaran per confermare cose simili. Anche con la CSD, l'eterogeneità, l'endogeneità e la non stazionarità, la CCEMG può essere utilizzata efficacemente (Tabella 5). Presenta anche problemi di correlazione, specialmente con le divisioni trasversali. Segue la formula CCEMG:

Equazione 33(16)

Causalità di Granger

La causalità di Granger viene utilizzata per analizzare i componenti dell'articolo e la loro possibile relazione di contributo. Grazie alle sue ipotesi fondamentali, questo metodo funziona meglio con display diversi. Contro il test dell'ipotesi di causalità tra variabili, l'ipotesi nulla dell'analisi di regressione multipla DH è che non esista causalità. Di seguito è riportata una descrizione della struttura pratica del test di causalità di DH Granger:

Equazione 34(17)

Per un modello autoregressivo, lo stimatore è indicato con j e le variabili autoregressive sono rappresentate da βj(j)

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

I risultati presentati dimostrano efficacemente l'utilità della tecnica Cross-sectionally Augmented Autoregressive Distributed Lag (CS-ARDL) nel catturare complesse relazioni economiche reali (Figura 2). Ad esempio, l'impatto divergente a lungo termine degli investimenti diretti esteri (IDE) sulle emissioni di carbonio è negativo in alcune regioni, come il Sud-est asiatico, ma positivo in altre, come il Sud-Asia, esemplificando l'eterogeneità delle pendenze che il modello CS-ARDL è specifica...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

I risultati di questo lavoro empirico offrono una storia ricca e sfumata riguardo al possibile impatto ambientale dell'integrazione economica nell'ambito dell'Iniziativa Belt and Road e superano le dicotomie semplicistiche che tendono a definire la letteratura. Testare l'eterogeneità della pendenza e la dipendenza trasversale non deve essere introdotto come una pratica metodologica fin dall'inizio, ma piuttosto come un punto fondamentale; bisogna riconoscere che le relazioni tra IDE, tur...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

Tutti gli autori dichiarano che non ci sono conflitti di interesse.

Ringraziamenti

Non fu ricevuto alcun finanziamento per questo lavoro di ricerca.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Analisi della causalitàTest di causalità eterogenea di Granger a pannello di Dumitrescu e Hurlin (2012)Determinare la direzione delle relazioni causali tra le variabili (ad esempio, l'IDE Granger causa emissioni di CO2?).
Test di dipendenza trasversale (CSD)Test di dipendenza trasversale (CD) di Pesaran (2015)Testare diagnosticamente l'ipotesi nulla di indipendenza della sezione trasversale tra i termini di errore delle unità del pannello.
Termine di Interazione FDI-TDCalcolato come prodotto della serie di indici FDI e Sviluppo Turistico (TD).Cogliere l'effetto sinergico o moderatore che gli IDE guidati dalle infrastrutture hanno sul rapporto tra sviluppo turistico e emissioni di carbonio.
Dati sugli investimenti diretti esteri (IDE)Ministero del Commercio della Repubblica Popolare Cinese (MOFCOM)Fonte di dati sulle scorte di IDE cinesi in uscita verso i paesi della Belt and Road Initiative (BRI).
Stima a lungo e breve termineModello di Ritardo Distribuito Autoregressivo Trasversale (CS-ARDL)Lo stimatore principale per derivare sia i coefficienti di breve che di lungo periodo per l'impatto di variabili indipendenti sulle emissioni di CO2, tenendo conto della CSD e dell'eterogeneità.
Dati del Panel MacroeconomicoBanca Mondiale, Indicatori dello Sviluppo Mondiale (WDI)Fonte primaria di dati sulle emissioni di CO2, il PIL, il valore aggiunto industriale (IVA) e le metriche del turismo (arrivi, incassi).
Test di cointegrazione a panelTest di cointegrazione Westerlund ed Edgerton (2008) con rotture strutturaliTestare l'esistenza di una relazione di cointegrazione a lungo termine tra le variabili, tenendo conto della CSD e delle rotture strutturali.
Stima di controllo della robustezzaGruppo medio degli effetti correlati comuni (CCEMG)Uno stimatore alternativo utilizzato per verificare la robustezza dei coefficienti di lungo periodo ottenuti dal modello CS-ARDL.
Test di Radice Unitaria di Seconda GenerazioneDickey-Fuller Aumentato a Sezione Trasversale (CADF) e IPS Aumentato a Sezione Trasversale (CIPS)Determinare l'ordine di integrazione delle variabili (CO2, FDI, TD, TI, PIDP, IVA) in presenza di dipendenza trasversale.
Test di eterogeneità del pendio (SH)Pesaran e Yamagata (2008) Test Delta e Delta modificatiTestare diagnosticamente l'ipotesi nulla di pendenze omogenee tra sezioni d'urto nel pannello.
PIL al quadrato (SQGDP)Calcolato come il quadrato della serie del PIL pro capite (o PIL totale).Testare empiricamente la presenza dell'ipotesi della Curva di Kuznets Ambientale (EKC) nel modello.
Pacchetto software statisticoNon specificato nel protocollo, ma essenziale per l'analisi (ad esempio, Stata, R, EViews)Piattaforma per la gestione dei dati, costruzione delle variabili ed esecuzione di tutti i test e stime econometriche (CSD, SH, radice unitaria, cointegrazione, CS-ARDL, CCEMG, causalità).
Dati sull'Innovazione TecnologicaBanca Mondiale, Indicatori dello Sviluppo Mondiale (WDI)Fonte per i dati sui brevetti (residenti e non residenti) utilizzati per costruire l'indice Technology Innovation (TI).
Indice di Sviluppo Turistico (TD)L'Analisi dei Componenti Principali (PCA) si applicava agli arrivi, alle entrate e alle spese turistiche.Creare un unico indice composito che catturi l'attività turistica complessiva ed eviti la multicollinearità nell'uso di singole metriche turistiche.

Riferimenti

  1. Zhuang, Y., Yang, S., Razzaq, A., Khan, Z. Environmental impact of infrastructure-led Chinese outward FDI, tourism development and technology innovation: a regional country analysis. J Environ Plan Manag. 66 (2), 367-399 (2022).
  2. Li, L., Zhou, H. The Impact of Foreign Direct Investment on Carbon Emissions in Economies Along the Belt and Road. Sustainability. 17 (13), 5905(2025).
  3. Mahadevan, R., Sun, Y. Effects of foreign direct investment on carbon emissions: Evidence from China and its Belt and Road countries. J Environ Manag. 276, 111321(2020).
  4. Li, L., Wang, Y. The Impact of Coordinated Two-Way FDI Development on Carbon Emissions in Belt and Road Countries: An Empirical Analysis Based on the STIRPAT Model and GMM Estimation. Sustainability. 17 (19), 8640(2025).
  5. Sun, S., Xie, Y., Li, Y., Yuan, K., Hu, L. Analysis of dynamic evolution and spatial-temporal heterogeneity of carbon emissions at county level along "the belt and road" a case study of northwest China. Int J Environ Res Public Health. 19 (20), 13405(2022).
  6. Lin, X., Chandran Govindaraju, V. R., Baskaran, A. Impact of the Belt and Road Initiative on China's Inward and Outward FDI and Investment Coordination Synergy. SAGE Open. 15 (4), 21582440251386683(2025).
  7. Wu, Y., Hu, C., Shi, X. Heterogeneous effects of the belt and road initiative on energy efficiency in participating countries. Energies. 14 (18), 5594(2021).
  8. Sen, H., Weerawansa, S. R. S. D. K. Heterogeneous Impact of the Belt and Road Initiative on Economic Growth in South Asian Countries: An Empirical Study Based on Trade, Investment and Debt-systemic Literature Review. DoE-UoC Working Paper. , (2025).
  9. Kor, S., Qamruzzaman, M. Decoding the environmental synergy in BRI nations: analyzing the influence of renewable energy adoption, financial evolution, FDI, and capital resilience on sustainability. Int J Energy Econ Policy. 14 (3), 582-599 (2024).
  10. Ullah, A., Kui, Z., Pinglu, C., Sheraz, M. Effect of financial development, foreign direct investment, globalization, and urbanization on energy consumption: Empirical evidence from Belt and Road initiative partner countries. Front Environ Sci. 10, 937834(2022).
  11. Yuan, W., Sun, H., Chen, Y., Xia, X. Spatio-Temporal evolution and spatial heterogeneity of influencing factors of SO2 Emissions in Chinese cities: fresh evidence from MGWR. Sustainability. 13 (21), 12059(2021).
  12. Huang, Y., Rahman, S. U., Meo, M. S., Ali, M. S. E., Khan, S. Revisiting the environmental Kuznets curve: assessing the impact of climate policy uncertainty in the Belt and Road Initiative. Environ Sci Pollut Res. 31 (7), 10579-10593 (2024).
  13. Lingyan, M., et al. Asymmetric impact of fiscal decentralization and environmental innovation on carbon emissions: Evidence from highly decentralized countries. Energy Environ. 33 (4), 752-782 (2022).
  14. Shaikh, S. S., Amin, N., Song, H. Carbon dynamics: A holistic analysis of FDI, trade liberalization, urbanization, economic growth, and effects on CO2 emissions in South Asia. Energy Environ. , (2024).
  15. Liu, H., Zhu, Q., Khoso, W. M., Khoso, A. K. Spatial pattern and the development of green finance trends in China. Renew Energy. 211, 370-378 (2023).
  16. Osabuohien-Irabor, O., Drapkin, I. M. The spillover effects of outward FDI on environmental sustainability in developing countries: exploring the channels of home country institutions and human capital. Environ Dev Sustain. 26 (8), 20597-20627 (2024).
  17. You, X., et al. Can collaborative innovation constrain ecological footprint? Empirical evidence from Guangdong-Hong Kong-Macao Greater Bay Area, China. Environ Sci Pollut Res. 29 (36), 54476-54491 (2022).
  18. Wang, B., Liu, Y. Does the Belt and Road Initiative affect the energy intensity of countries along the route? An analysis of the direct and indirect effects. J Environ Plan Manag. 67 (7), 1583-1601 (2024).
  19. Wang, Q., Wei, M., Wang, N., Chen, Q. The impact of human capital and tourism industry agglomeration on China's tourism eco-efficiency: An analysis based on the undesirable Super-SBM-ML model. Sustainability. 16 (16), 6918(2024).
  20. Li, B., Chang, J., Guo, J., Zhou, C., Ren, X., Liu, J. Do green innovation, ICT, and economic complexity matter for sustainable development of BRI economies: moderating role of higher education. Environ Sci Pollut Res. 30 (20), 57833-57849 (2023).
  21. Yao, M. C., Zhang, R. J., Dong, H. Z. Analysis of the spatiotemporal convergence effect and influencing factors of industrial green technology innovation efficiency in the Yangtze River Economic Belt in China. J Knowl Econ. 16 (2), 9430-9465 (2025).
  22. Zhang, X., Zhang, N., Wang, S., Dong, J., Pan, X. Spatiotemporal Evolution and Influencing Factors of Carbon Emission Efficiency in Western Valley Cities in China. Sustainability. 17 (11), 5025(2025).
  23. Xu, R., Chen, G. Does China's outward direct investment decrease carbon intensity in ASEAN countries? Evidence from CS-ARDL model analysis. Int J Clim Chang Strateg Manag. 17 (1), 531-546 (2025).
  24. Wenlong, Z., et al. Impact of energy efficiency, technology innovation, institutional quality, and trade openness on greenhouse gas emissions in ten Asian economies. Environ Sci Pollut Res. 30 (15), 43024-43039 (2023).
  25. Zhang, C., Tian, L., Zhen, Z. The impact of green behavior on spatial heterogeneity of city green development-the case of Yangtze River Delta city cluster. Environ Dev Sustain. , 1-28 (2024).
  26. Su, L., Wang, Y., Yu, F. Analysis of regional differences and spatial spillover effects of agricultural carbon emissions in China. Heliyon. 9 (6), e16752(2023).
  27. Kanval, N., Ihsan, H., Irum, S., Ambreen, I. Human capital formation, foreign direct investment in lows, and economic growth: A way forward to achieve sustainable development. J Manag Pract Humanit Soc Sci. 8 (3), 48-61 (2024).
  28. Bashir, M. A., Dengfeng, Z., Bashir, M. F., Rahim, S., Xi, Z. Exploring the role of economic and institutional indicators for carbon and GHG emissions: policy-based analysis for OECD countries. Environ Sci Pollut Res. 30 (12), 32722-32736 (2023).
  29. Xiao, W., Xue, Q., Yi, X. Does the Belt and Road Initiative promote international innovation cooperation. Humanit Soc Sci Commun. 10 (1), 1-12 (2023).
  30. He, Z. The spatial disequilibrium and influencing factors of carbon emissions in the Yangtze River Economic Belt based on nighttime light data. Humanit Soc Sci Commun. 12 (1), 1-13 (2025).
  31. Topaloglu, E. E., Balsalobre-Lorente, D., Nur, T., Ege, I. The Relevance of Financial Development, Natural Resources, Technological Innovation, and Human Development for Carbon and Ecological Footprints: Fresh Evidence of the Resource Curse Hypothesis in G-10 Countries. Sustainability. 17 (6), 2487(2025).
  32. Hu, H., Jernej, P. Exploring the Impact of the Belt and Road Initiative on Sustainable Development Goals 8 and 9: Insights from Four European Union Countries. Sustain Dev. , 1-23 (2025).
  33. Jiang, H., et al. Industrial carbon emission efficiency of cities in the pearl river basin: Spatiotemporal dynamics and driving forces. Land. 11 (8), 1129(2022).
  34. Zhou, R., Abbasi, K. R., Salem, S., Almulhim, A. I., Alvarado, R. Do natural resources, economic growth, human capital, and urbanization affect the ecological footprint? A modified dynamic ARDL and KRLS approach. Resour Policy. 78, 102782(2022).
  35. Gu, A., Zhou, X. Emission reduction effects of the green energy investment projects of China in belt and road initiative countries. Ecosyst Health Sustain. 6 (1), 1747947(2020).
  36. Li, X., Chalvatzis, K. J., Pappas, D. Life cycle greenhouse gas emissions from power generation in China's provinces in 2020. Appl Energy. 223, 93-102 (2018).
  37. Bekun, F. V., Bright, A. G., Ruth, O. B., Edmund, N. U. Tourism-induced emission in Sub-Saharan Africa: A panel study for oil-producing and non-oil-producing countries. Environ Sci Pollut Res. 27, 41725-41741 (2022).
  38. Kaika, D., Efthimios, Z. The Environmental Kuznets Curve (EKC) theory Part A: Concept, causes and the CO2 emissions case. Ener Policy. 62, 1392-1402 (2013).
  39. Abdo, A. B., et al. The influence of FDI on GHG emissions in BRI countries using spatial econometric analysis strategy: the significance of biomass energy consumption. Environ Sci Pollut Res. 36, 54571-54595 (2022).
  40. Du, J., Zhang, Y. Does one belt one road initiative promote Chinese overseas direct investment. China Econ Rev. 47, 189-205 (2018).
  41. Spalding,, et al. Mapping the global value and distribution of coral reef tourism. Mar Policy. 82, 104-113 (2017).
  42. Pata, U. K., Balsalobre-Lorente, D. Exploring the impact of tourism and energy consumption on the load capacity factor in Turkey: a novel dynamic ARDL approach. Environ Sci Pollut Res. 29 (9), 13491-13503 (2022).
  43. Sun, Y. Y., Cadarso, M. A., Driml, S. Tourism carbon footprint inventories: A review of the environmentally extended input-output approach. Ann Tour Res. 82, 102928(2020).
  44. Meng, W., Xu, L., Hu, B., Zhou, J., Wang, Z. Reprint of: Quantifying direct and indirect carbon dioxide emissions of the Chinese tourism industry. J Clean Prod. 163, S401-S409 (2017).
  45. Tang, C., Irfan, M., Razzaq, A., Dagar, V. Natural resources and financial development: Role of business regulations in testing the resource-curse hypothesis in ASEAN countries. Resour Policy. 76, 102612(2022).
  46. Zhuang, Y., Yang, S., Razzaq, A., Khan, Z. Environmental impact of infrastructure-led Chinese outward FDI, tourism development and technology innovation: a regional country analysis. J Environ Plan Manag. 66 (2), 367-399 (2022).
  47. Mrabet, Z., Alsamara, M., Saleh, A. S., Anwar, S. Urbanization and non-renewable energy demand: A comparison of developed and emerging countries. Energy. 170, 832-839 (2019).
  48. Westerlund, J., Edgerton, D. L. A simple test for cointegration in dependent panels with structural breaks. Oxford Bullet Econ Stat. 5, 665-704 (2008).
  49. Pedroni, P. Panel cointegration techniques and open challenges. Panel Data Economet. , 251-287 (2019).
  50. Zubair, A. O., Samad, A. R. A., Dankumo, A. M. Does gross domestic income, trade integration, FDI inflows, GDP, and capital reduces CO2 emissions? An empirical evidence from Nigeria. Curr Res Environ Sustain. 2, 100009(2020).
  51. Zaghdoud, O. Environmental Degradation, Renewable Energy, Technological Innovation, and Foreign Direct Investment as Determinants of Tourism Development in Tunisia: An Autoregressive Distributed Lag-Fully Modified Ordinary Least Squares Analysis. Economies. 13 (11), 327(2025).
  52. Dobrowolska, B., Tomasz, D., Anetta, K. M. Institutional quality and its impact on FDI inflow: Evidence from the EU member states. Comp Econ Res Central Eastern Eur. 24 (4), 23-44 (2021).
  53. Jabeen, S., et al. Examining the nexus between technological innovation, FDI, economic growth and tourism in selected countries: A simultaneous equation model approach. J. Infrastr Policy Dev. 8 (7), 4767(2021).
  54. Adeel, M., Biao, W., Ji, K., Israel, M. M. The Nonlinear Dynamics of CO2 Emissions in Pakistan: A Comprehensive Analysis of Transportation, Electricity Consumption, and Foreign Direct Investment. Sustainability. 17 (1), 189(2025).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Esplora altri articoli

Investimenti Diretti EsteriSviluppo TuristicoInnovazione TecnologicaEterogeneità RegionaleARDL Cross-SectionalAnalisi di Dati PanelCurva Ambientale di KuznetsInvestimenti in Infrastrutture

Questo articolo è stato pubblicato

Video in arrivo

Contattaci
Consiglia alla biblioteca

Privacy

Termini di utilizzo

Politiche

Copyright © 2026 MyJoVE Corporation. Tutti i diritti riservati.