研究記事

環境政策と技術が再生可能エネルギーへの移行に与える影響

61 閲覧数

⸱

DOI：

10.3791/71760

⸱

2026年8月7日

 ,  ,  ,  , 
1University of Southampton, 2School of Marxism, Nanchang University, 3School of Public Finance and Taxation, Lanzhou University of Finance and Economics, 4Hongshan College, Nanjing University of Finance & Economics, 5Nanjing University of Finance & Economics

この記事について

サマリー

21か国のOECDカ国(2000-2020年)を対象としたこの研究では、環境政策指数、温室効果ガス排出量、環境関連技術が再生可能エネルギーの導入を促進し、グリーンGDPがそれを妨げていることが明らかになりました。すべての変数間には双方向の因果関係が存在します。移行のペースは依然として不十分であり、政策改革や汚染税が必要とされています。

要約

再生可能エネルギーの能力(REC)は持続可能な開発とカーボンニュートラルの実現において中心的な役割を果たしますが、生態政策の成果、環境の質、技術革新、グリーン経済成長がRECに与える影響は、国や再生可能エネルギー開発の段階を超えて依然として不均一です。本研究は、2000年から2020年までの21のOECD加盟国における再生可能エネルギー容量の決定要因を調査し、環境政策の成果(EPI)、温室効果ガス(GHG)排出量、エコフレンドリー技術(EFT)、グリーンGDPに焦点を当てています。この実証的枠組みは、長期共積分を検証するためにパネル自己回帰分布遅延(ARDL)境界検定手法を用い、条件付き分布の異質効果を捉えるモーメント分位回帰法(MMQR)、そして因果関係の方向性を特定するためのパネルグレンジャー因果検定を用いています。パネルARDL境界検定は、変数間の安定した長期平衡関係(F = 7.845、 p < 0.01)を確認しています。MMQRの結果は、EPIが分位数で正の効果を発揮し、徐々に強くなる影響(0.092–0.212)を示し、EFTは最も急激な正の勾配(0.131–0.221)を示し、RECとの双方向因果関係を示し、技術革新と再生可能エネルギーの展開の間に強化サイクルがあることを示しています。温室効果ガス排出はRECとわずかな正の関連(0.048–0.082)を持ちますが、一方的にRECを引き起こすわけではありません。むしろ、再生可能エネルギーの容量を増やすことで排出量が大幅に削減されます。グリーンGDPはRECに対して一貫してマイナスの影響を示します(−0.348から−0.138)が、再生可能エネルギー容量の分位数が高いほどこの効果は弱まり、よりグリーンな経済への移行期における移行調整を示唆しています。これらの調査結果は、環境政策、技術革新、排出、グリーン経済のパフォーマンスの影響が段階に依存していることを示し、展開に応じた政策枠組み、グリーン研究開発への継続的な投資、そして短期的な調整コストを軽減しつつ再生可能エネルギー転換を加速させるための補完的な政策手段の必要性を強調しています。

概要

世界的なエネルギー需要の高まりにより、クリーンエネルギーへの迅速な移行の必要性が高まりました。再生可能エネルギーは太陽エネルギー供給の増加で約30%を占めていますが、化石燃料が増分的なエネルギー需要を支配し続けており、二酸化炭素(CO2)の蓄積が続き、パリ協定の目標1の達成が脅かされています。『Financing the Future: Insights into Sustainable Energy Investments』で示された科学的なマッピングとメタアナリシスを通じて示される持続可能なエネルギー投資動向の体系的な理解は、2000年から2020年の間にOECD諸国経済全体で起こった政策、金融、技術変革の収束を強調しています。.この20年間は21のOECD加盟国を対象としており、再生可能エネルギー導入の長期的な決定要因を評価するのに理想的な環境を提供します。再生可能エネルギーの移行は、環境ガバナンス、金融投資、技術革新の効果的な相互作用に依存しています。最近のシステマティックレビューでは、経済的および政策的要因が再生可能エネルギー拡大の主な推進力であると特定されました。OECD諸国の閾値分析はさらに、環境政策の厳格さは再生可能エネルギーの導入を促進するのは重要な閾値5を超えた後であり、環境に優しい技術の普及も実質的な利益が実現される前に持続的な投資が必要であることを示しました。さらに、77か国にわたる動的パネル分位回帰分析では、環境に優しい技術が特に発展途上国において再生可能エネルギー消費を大幅に促進することが示されています7。

これらの進展にもかかわらず、いくつかの重要な研究の空白が残っています。既存の研究は、環境政策や技術革新を単独で検証し、再生可能エネルギー導入における相乗効果を見落としていることが多いです。さらに、本研究で従属変数として用いられた再生可能エネルギー容量(REC)は、環境政策、技術革新、排出、グリーン経済パフォーマンスを同時に考慮する統合実証的枠組みの中で限定的な注目しか受けていません。さらに、先進国における再生可能エネルギー導入の勢いは鈍化しています。OECDの温室効果ガス(GHG)排出量は依然として高いままであり、気候政策の厳格さは2024年にわずか1%しか増加せず、高所得経済における再生可能エネルギーの推進要因についてより深く調査する必要がある実施のギャップを浮き彫りにしています。したがって、本研究は2000年から2020年までの21のOECD加盟国の再生可能エネルギー容量の決定要因を、エコロジカルパフォーマンス指数(EPI)、温室効果ガス(GHG)排出、エコフレンドリー技術(EFT)、グリーンGDPを説明変数として検証します。予備的な診断テストの後、長期平衡関係を確立するためにパネルARDL境界共積分検定を用い、分布異質性を捉えるためにモーメント分位回帰法(MMQR)を適用し、因果関係の方向を特定するためにパネル因果検定を行います。調査結果は、EPIとEFTが特定の閾値を超えてのみ有意なプラス効果を発揮する一方、グリーンGDPの影響は再生可能エネルギー容量の条件付き配分に応じて変動することを示しており、協調的な環境政策、技術革新、経済戦略の重要性を強調しています。環境政策のパフォーマンスと技術開発の共同効果を異なる再生可能エネルギー容量レベル間で明示的にモデル化することで、本研究は再生可能エネルギー政策の立案を支持するより微妙な証拠を提供します。

再生可能エネルギー転換の決定要因は広範に調査されています。しかし、理解は断片的な理論的視点や、統合的ではなく記述的分析にとどまっていることに制約されています。特に、環境政策の成果、環境に優しい技術、温室効果ガス排出、グリーン調整経済成果など、再生可能エネルギー導入の主な要因は、金融市場の相互連結性やグリーンファイナンスのデジタル化を考慮した統一された分析枠組みの中でほとんど検証されていません。

環境政策のパフォーマンスは、一般的に生態系パフォーマンス指数(EPI)などの複合指標を用いて測定され、再生可能エネルギー文献の中心的な位置を占めています14。初期の研究では、適切に設計された環境規制が投資の不確実性を低減し、低炭素投資を促進する予測可能な市場シグナルを提供することが示されました15。最近のOECD諸国のパネル研究では、固定効果法やシステム一般化モーメント法の推定量が用いられ、環境政策の厳格性が1単位増加すると再生可能エネルギー発電量が0.34%増加することと関連していると報告されています。それにもかかわらず、この文献の批判的評価は、規制疲労のために政策厳格さのポジティブな効果が非常に高いレベルで減少していることを示しています17。さらに、高所得経済に限定されているため、これらの発見の外部的妥当性は制限されています。89件の実証研究を総合的に分析した結果、炭素税や排出権取引システムを含む市場ベースの政策手段が、再生可能エネルギーの発電能力を促進する上で命令統制規制を一貫して上回る成果を上げていることが結論付けられました18。このメタアナリシスは多様な地理的地域と方法論的アプローチからの証拠を統合したものの、著者らは政策の有効性は制度的能力が高い国々の方がはるかに高いと強調し、文献における重要な地理的ギャップを浮き彫りにしました。さらに、政策志向の研究では、再生可能エネルギー市場を広範な金融システムから独立したものとして扱い、市場間の金融波及が政策の効果を強化したり弱めたりする可能性を見落としています。

もう一つの文献群は、エコフレンドリー技術(EFT)が再生可能エネルギーコスト削減と技術普及の加速の主要な触媒であると指摘しています。25か国の欧州特許データに基づく実証的証拠により、環境関連の特許出願が10%増加したことで、太陽光発電システムの均等化コストが1.8%、陸上風力エネルギーが2.3%削減されたことが示されました21。これらの研究は厳密な計量経済学的手法を用いていますが、主に従来のイノベーション指標に依存しており、気候投資を促進する上でデジタルグリーンファイナンスや金融技術(FinTech)の重要性の高まりを十分に考慮していません。新興のイスラム協力機構(OIC)経済国の最近の証拠は、デジタル金融サービスが取引コストの削減とグリーンファイナンスへのアクセス拡大を通じて環境政策を強化していることを示しています23。したがって、EFTを特許活動のみで測定することは、環境政策と技術に基づく金融メカニズムとの相互作用を過小評価する可能性があります。さらに、技術拡散の研究では、ドイツやデンマーク発のイノベーションが世界の風力エネルギー導入に大きく貢献するなど、国境を越えた大きなスピルオーバー効果が報告されています。しかし、これらの調査は、クリーンエネルギー市場全体での金融的感染が環境に優しい技術の普及にどのように影響するかをほとんど考慮していません。グリーン、クリーンエネルギー、持続可能な金融市場間の動的な相互連結性に関する最近の証拠は、大きなボラティリティの波及効果を示しており、グリーン金融システムの一部にショックが影響を及ぼすと再生可能エネルギー投資に急速に影響を与える可能性を示唆しています。したがって、EFTを国内特許に基づく指標としてのみ解釈することは、技術拡散がますます進むより広範な金融環境を見落とすことになります。

温室効果ガス(GHG)排出と再生可能エネルギーの導入の関係は依然として議論の的となっています。「政治的圧力」仮説によれば、排出量の増加はより強力な脱炭素化政策や再生可能エネルギーへの投資増加を求める国民の需要を刺激します。34か国のOECD諸国を対象としたクロスラゲッドパネル分析はこの仮説を支持しており、一人当たり温室効果ガス排出量が1標準偏差増加すると、2年後に再生可能エネルギー投資が0.21標準偏差増加することを予測していることを示しています。しかし、これらの発見は比較的優れた制度的質を持つ先進経済国のみに基づいており、炭素集約的な開発途上国への適用性は限定的です。別の証拠は、排出が臨界点を超えると強力な化石燃料の利害関係が再生可能エネルギー政策をますます制約していくという非線形関係を示唆しています。60か国のデータを用いた閾値回帰分析では、機関の質や天然資源依存度によって転換点が異なる逆U字型関係が見られました。重要なのは、これらの研究が金融市場の相互連結性の緩和効果を見落としていることです。排出量増加の期間中、投資家の否定的な心理がクリーンエネルギー金融市場に波及し、投資需要が最も高い時期に再生可能エネルギーの資金調達を制約することがあります。市場間ボラティリティ伝達に関する最近の証拠はこのメカニズムを支持しており、金融の波及効果が排出量と再生可能エネルギー投資の正の関係を複雑にする可能性を示唆しています。31,32。

グリーンGDPは、環境劣化や天然資源枯渇を調整した国内総生産(GDP)と定義され、従来のGDPよりも持続可能な経済パフォーマンスをより包括的に測る指標となります。しかしながら、再生可能エネルギー容量との関係に関する実証的証拠は依然として混在しています。一部の研究では、グリーンGDPの改善が経済生産単位あたりの環境被害の減少を示すことで、再生可能エネルギー投資の緊急性を軽減すると主張しています34。対照的に、他の調査ではグリーンGDPの持続的成長は、サービス志向でエネルギー集約度の低い経済への構造的変革を反映し、再生可能エネルギーの統合を促進することを示唆しています。2000年から2018年までの40か国を対象としたパネル共統合分析は、時間的非対称性の証拠を提供し、グリーンGDPが再生可能エネルギー容量に対して短期的にマイナスの影響を与える一方で、持続的なグリーン経済成長後には長期的には正の関係があることを示しています。36。この証拠は広範なデータセットと長期観察に基づいていますが、世界的な金融ショックの影響は考慮されていません。金融不安定な時期には、グリーン金融市場全体でのボラティリティ波及が、環境パフォーマンスの改善にもかかわらず、再生可能エネルギープロジェクトへの投資流入を制約し、グリーンGDPと再生可能エネルギーの容量関係を弱める可能性があります。37,38。

まとめると、既存の研究は再生可能エネルギーの導入決定要因に関する理解を大幅に向上させました。しかし、重要な空白は残っています。これまでの研究は、環境政策、技術革新、温室効果ガス排出、グリーン経済のパフォーマンスを統合分析の枠組みの中でではなく独立して検証してきました。さらに、環境に優しい技術は依然として主に従来のイノベーション指標を用いて測定されています。これらの制約に対処するため、本研究は2000年から2020年までの21のOECD加盟国の再生可能エネルギー容量を、生態学的パフォーマンス指数、温室効果ガス排出、環境に優しい技術、グリーンGDPを説明変数として調査します。モーメント分位回帰法を用いることで、再生可能エネルギー容量の分布における異質な効果を捉え、再生可能エネルギー転換を形作る政策的、技術的、経済的要因をより包括的に理解することを可能にします。今後の研究では、フィンテックの指標や金融リスクの指標を取り入れ、この分野をさらに発展させるべきです。

プロトコル

研究哲学と設計
本研究は実証主義的な研究哲学を採用しており、再生可能エネルギー容量(REC)の決定要因を定量的なパネルデータ分析を用いて客観的に検証できると仮定しています。2000年から2020年までの21のOECD加盟国における再生可能エネルギー容量とその決定要因の長期的な関係を調査するために、縦断的かつ国を横断した比較研究デザインを用いています。Kayaのアイデンティティに基づき、演繹分析的アプローチを用いて実証モデルを開発し、再生可能エネルギーの能力、生態政策の成果、温室効果ガス(GHG)排出量、環境に優しい技術(EFT)、グリーンGDP間の仮説的な関係を検証します。この分析フレームワークは、データ収集、診断検査、共積分解析、分位体回帰、パネル因果分析を統合し、方法論的一体性と堅牢な統計的推論を確保しています。

データ収集と変数
本研究は、2000年から2020年まで毎年観測された21のOECD諸国からなるバランスパネルデータセットを用い、441件の国別観測結果を得ています。データは透明性と再現性を確保するため、公開可能かつ国際的に認められたデータベースから取得されました。 表1は 変数、測定単位、データソース、期待される符号をまとめています。再生可能エネルギー容量(REC)は従属変数として用いられ、設置された再生可能エネルギー発電容量(MW)として測定されます。説明変数には、生態パフォーマンス指数(EPI)、温室効果ガス(GHG)排出量(CO₂換算トン)、環境関連特許出願で測定される環境に優しい技術(EFT)、そして環境劣化と天然資源枯渇を調整した国内総生産(2015年米ドル)で測定されるグリーンGDPが含まれます。再生可能エネルギー容量、EPI、温室効果ガス排出量、EFTはOECD統計データベースから取得され、グリーンGDPは世界銀行データベースから取得されました。推定前にすべての変数を自然対数に変換し、分散を安定化し、ヘテロスセダスティシティを低減し、弾性性の解釈を容易にしました。

理論的枠組みとモデル仕様
この実証的枠組みは、二酸化炭素排出量を人口、経済活動、エネルギー強度、炭素強度に分解し、環境持続可能性の要因を理解するための理論的基盤を提供するKayaアイデンティティ39に基づいています。

figure-protocol-1 (1)

ここでCO2は二酸化炭素排出を表し、CO2/エネルギーはエネルギー消費の炭素強度を示します。エネルギー/グリーンGDPは、環境調整された経済生産のエネルギー集約度を表します。グリーンGDP/人口は環境調整済み一人当たり国内総生産(GDP)を示します。人口は総人口を表します。

説明変数はカヤ恒等式の理論的構成要素に直接対応します。エコロジカルパフォーマンス指数は、クリーンエネルギーシステムの促進を目的とした環境政策の成果を表しています。環境に優しい技術は、エネルギー効率を向上させ再生可能エネルギーコストを削減する技術革新を反映しています。温室効果ガス排出量は脱炭素化の環境圧力を表し、グリーンGDPは環境調整された経済パフォーマンスを反映します。この枠組みに基づき、以下の経験モデルは39と推定されます。

figure-protocol-2 (2)

ここでRECは再生可能エネルギー容量を表します。EPIは生態学的パフォーマンス指数を表しています。GHGは温室効果ガス排出を指し、EFTは環境に優しい技術を表しています。グリーンGDPは環境調整後の国内総生産(GDP)を指します。iは国をインデックス化し、tは年を指標とし、τ0 は切片であり、τ1–τ 4 は推定回帰係数です。ε、これは特異な誤差の用語です。

診断検査
実証モデルの推定に先立ち、パネルデータの統計的特性を評価し、適切な推定手法を特定する一連の診断テストが実施されました。まず、横断的依存性はペサラン横断的依存(CD)テスト34を用いて検証されました。これは、OECD諸国が世界経済状況、国際エネルギー市場、協調された環境政策から共通のショックを受ける可能性が高いためです。

figure-protocol-3 (3)

ここで N は断面単位の数を表し、 T は時代の数を表し、 i と k は断面単位(i ≠ k)を示し、 figure-protocol-4 は断面単位 i と k間の回帰残差の推定ペアワイズ相関係数を表します。 j は遅延順序を表し、 E(·)は期待値を表し、 V(·)は検定統計量の標準化に用いられる分散を示します。次に、ペサラン–ヤマガタ斜面異質性検定を用いて、説明変数の効果が国間で異なるかどうかを評価しました。

figure-protocol-5 (4)
figure-protocol-6 (5)

ここで Δ̃adj は調整された傾き異質性検定統計量を表します。Nは断面単位の数を表し、Tは時代の数を表し、k は説明変数の数です。S̃はパネル単位間のパラメータ異質性を評価するために用いられる標準化されたスワミ傾き分散統計量を表します。最後に、断面依存性と不均一傾成係数の両方を考慮した横断面増強Im–Pesaran–Shin(CIPS)単位根検定を用いて定常性を評価しました。

figure-protocol-7 (6)

ここで CIPS は断面拡張Im–Pesaran–Shinパネル単位根統計量を表します。 N は断面単位の数を表し、 CDFi は第 i個 断面単位の断面増強ディッキー–フラー統計量を示します。 I は個々の断面単位をインデックス化します。これらの診断検査の結果は、異種パネルデータセットに適した第2世代パネル計量経済学手法の選定に導きました。

パネル共積分検定
再生可能エネルギー容量、環境政策の成果、温室効果ガス排出量、環境に優しい技術、グリーンGDP間に安定した長期均衡関係が存在するかどうかを判断するために、パネルARDLの境界共積分テストが用いられました。従来の残差に基づく共積分検定と比較して、ウェスタールンド手法は断面依存性、不均一な傾き係数、そして小さなサンプルサイズを考慮に入れています。この検定は4つの統計量を生成します:2つのグループ平均統計量(GtとGa)と2つのパネル統計量(PtおよびPa)。帰無仮説の拒否は、変数36,42の間に長期均衡関係が存在することを示します。

figure-protocol-8 (7a)
figure-protocol-9 (7b)
figure-protocol-10 (7c)
figure-protocol-11 (7d)

ここでGtおよびGaはパネルARDL境界共積分検定の群平均検定統計量を表します。P、t、P aはパネルテスト統計量を表し、Nは断面単位の数を表し、Tは時代の数を表し、figure-protocol-12 は第i個断面積単位の推定誤差訂正係数です;figure-protocol-13はプールされた誤り訂正係数を表します。SE(figure-protocol-14)とSE(figure-protocol-15)は対応する標準誤差を表し、iは個々の断面単位をインデックス付けします。共積分の存在は、長期弾性の推定とその後の分位数ベースの解析を正当化します。

モーメント分位回帰法(MMQR)
従来のパネル推定計は平均的な効果しか提供しないため、異なる再生可能エネルギー導入レベルの国間で大きな異質性を隠す可能性があります。これらの異種効果を捉えるために、モーメント分位回帰法(MMQR)が用いられました。

MMQRは、複数の条件付き分位数にわたる環境政策の実施、温室効果ガス排出、環境に優しい技術、グリーンGDPの影響を再生可能エネルギー容量の複数の条件付き分位数にわたって推定し、再生可能エネルギー導入の成熟度に応じて説明変数の影響を変化させることを可能にします。この方法は、個々の固定効果と観察されていない異質性を同時に考慮しつつ、位置パラメータとスケールパラメータの両方を推定します。

figure-protocol-16 (8)

ここで Qτ(Yit |Xit)は従属変数の条件付きτ分位数を表します。Yは再生可能エネルギー容量(REC)を表し、Xは説明変数(EPI、温室効果ガス排出量、EFT、グリーンGDP)のベクトルを示します。σ1はインターセプトです。ζ は位置パラメータのベクトルです。αi は国別固定効果を表し、Zはスケール共変量を表し、γ はスケールパラメータのベクトルです。Uこれは誤差項です;およびそれぞれ国と年を対象としたI指数とT指数です。MMQRモデルのスケール成分は以下の通りに規定されています。

figure-protocol-17 (9)

ここで Zi(X) は説明変数の尺度関数を表します。 Zi はスケール共変量のベクトルを表し、 X は説明変数のベクトルを表し、 i は断面単位(国)をインデックス化し、 kは 説明変数の総数を表します。ロバストネス分析として、MMQR結果の整合性を検証するために、ブートストラップ標準誤差を用いた従来のパネル分位回帰も推定されました。

パネル因果関係テスト
再生可能エネルギー容量、環境政策の成果、温室効果ガス排出、環境に優しい技術、グリーンGDP間の因果関係の方向性は、Dumitrescu–Hurlinパネルのグレンジャー非因果性テスト44を用いて検討されました。このアプローチは、断面依存性や不均一なパネル構造を考慮しつつ、因果関係が一方向か双方向かを識別します。

パネル因果分析は、再生可能エネルギー容量を駆動する変数と、再生可能エネルギー展開の変化に反応する変数を区別することで、共統合およびMMQR分析を補完します。因果的方向性を確立することは、政策の優先順位付けや再生可能エネルギー介入の順序付けにさらなる証拠を提供します。

すべての統計解析は統計解析ソフトウェアを使用して実施されました。診断試験や共積分解析から分位体回帰、パネル因果性検定に至るまでの分析シーケンスは、OECD加盟国間の再生可能エネルギー容量の決定要因を評価するための一貫性があり再現性の高い枠組みを提供します。

結果

記述統計
計量経済学推定の前に、研究変数の分布特性が検討されました。 表2は 、2000年から2020年までの21か国の対数変換変数の記述統計をまとめたものです。再生可能エネルギー容量(REC)、生態学的パフォーマンス指数(EPI)、温室効果ガス(GHG)排出量、環境に優しい技術(EFT)、グリーンGDPは、すべての変数で標準偏差が1を超えるほどの国外および時間的変動を示しました。RECは−2.132から2.822の間で、グリーンのGDPは11,990から14.411の間で変動しました。偏度係数はREC、温室効果ガス排出量、EPIの分布が左偏りを示し、EFTとグリーンGDPは正に偏りました。すべての変数で峰度値が3を超え、RECが最も高い峰度(7.66)を示し、レプトクルティック分布を示しています。Jarque–Bera検定はREC、GHG排出量、EPI、グリーンGDPの正規性の帰無仮説を否定しました(p < 0.01)一方、EFTは正規性から有意に逸脱しませんでした(p = 0.593)。これらの発見は、非正規分布に対してロバスト性を持つ分位数ベースの推定手法の使用を支持しています。

断面依存性と斜面の異質性
パネルモデル推定前に断面依存性および斜面の異質性を評価しました。 表3に示されているように、ペサランの横断的依存統計はREC、グリーンGDP、EPI、温室効果ガス排出量、EFTで有意であり(いずれも p < 0.01)、断面独立性の帰無仮説を否定しました。これらの結果は、あるOECD加盟国で発生したショックが他の国々にも伝播し、経済統合や共有された環境政策枠組みを反映していることを示しています。ペサラン・山形斜面の異質性統計(Δ̃ = 16.513;調整後Δ̃ = 18.263)も1%レベルで有意であり、斜面均質性を否定しました。これらの発見は、断面依存性や不均一な傾き係数を考慮した第二世代パネル計量経済学手法の適用を正当化する。

パネル単位のルート解析
変数の定常性特性は、断面増強Im–Pesaran–Shin(CIPS)パネル単位根検定を用いて評価されました。 表4に示されているように、REC、EPI、EFTは[I(0)]の水準で停滞していたのに対し、温室効果ガス排出量とグリーンGDPは最初の差分[I(1)]後に停滞しました。二階積分変数[I(2]の不在は、パネルARDL境界検定手法を用いて変数間の長期関係を調査することを支持しています。

パネル共積分解析
再生可能エネルギー容量、EPI、温室効果ガス排出量、EFT、グリーンGDPの長期均衡関係をパネルARDL境界テストを用いて検証しました。 表5は 、計算されたF統計量(7.845)が1%の有意水準で臨界上限を超えたことを示しており、長期関係がないという帰無仮説を否定しています。これらの発見は、変数間で安定した長期均衡の存在を確認し、分位数回帰技術を用いた長期効果の推定を支持しています。

モーメントの方法:分位数回帰
再生可能エネルギー容量の条件付き分布における説明変数の異質な効果は、モーメント分位回帰法(MMQR)を用いて推定されました。結果は 表6に示されています。

EPIはすべての分位数でRECと正の統計的に有意な相関を示し、推定係数は10パーセンタイルの0.092から90パーセンタイルの0.212に増加し、再生可能エネルギー容量の増加に伴い政策効果が強まっていることを示しています。同様に、温室効果ガス排出量はRECと正の関連を示し、係数が分位数で増加していることから、再生可能エネルギー容量の高い国ほど排出圧力により強く反応していることが示唆されました。EFTは分位数全体で最大のプラス増加を示し、技術革新が再生可能エネルギーの導入により大きく貢献したことを示しました。

グリーンGDPはすべての分位数でRECと一貫して負の相関を示しましたが、負の係数の大きさは10パーセンタイルの−0.348から90パーセンタイルの−0.138に減少し、再生可能エネルギー容量の増加に伴い負の関連が弱まったことを示しています。全体として、MMQRの結果は、環境政策の成果、技術革新、温室効果ガス排出、グリーンGDPが再生可能エネルギーの能力に与える影響において、かなりの分布的異質性を示しています。

図1 は、環境パフォーマンス指数(EPI)、温室効果ガス(GHG)排出、環境に優しい技術(EFT)、グリーンGDPが再生可能エネルギーの容量に与える異質な影響を示しています。EPI、GHG排出、EFTは高分位数で徐々に強い正の影響を示しますが、条件分位数が増加するにつれてグリーンGDPの負の影響は弱まります(すなわち係数が減る)。シェーディングされた領域(誤差バー)は95%信頼区間を表しています。

パネル因果分析
再生可能エネルギー容量、グリーンGDP、EPI、GHG排出量、EFT間の因果関係の方向性は、Dumitrescu–Hurlinパネルのグレンジャー非因果性検定を用いて評価されました。結果は 表7にまとめられています。

グリーンGDPとRECおよびEFTとREC間(いずれも p < 0.01)間に双方向因果関係が確認され、再生可能エネルギーの容量、環境調整された経済パフォーマンス、技術革新の相互強化関係が示唆されました。同様に、EPIとRECは双方向の因果関係を示し、環境政策の実施と再生可能エネルギーの導入との間に相互的な相互作用があることを示唆しました。対照的に、温室効果ガス排出量とRECの間に有意な因果関係は検出されず(p = 0.1078)、一方でRECは温室効果ガス排出量の変化を有意に引き起こし(p = 0.009)、再生可能エネルギーの容量と温室効果ガス排出の間に一方向的な因果関係があることを示しました。これらの発見は、環境政策の成果、技術革新、グリーンGDPが再生可能エネルギーの容量と動的に相互作用し、再生可能エネルギー容量の増加が温室効果ガス排出削減に寄与していることを示しています(表7)。

データの利用可能性:
本研究で使用されたデータセットはZenodoリポジトリを通じて公開されており、以下の https://zenodo.org/records/21138237 でアクセス可能です。

要因説明と推定出典期待されるつながり 
レクリエーション再生可能エネルギー容量https://www.stats.oecd.org---
EPI生態学的パフォーマンス指数https://www.stats.oecd.org確かです
温室効果ガス排出温室効果ガスの排出https://www.stats.oecd.org確かです
EFTエコフレンドリー技術https://www.stats.oecd.org確かです
グリーンGDPグリーンGDPは2015年の固定米ドル水準で推定されています世界銀行---

表1:経験的分析で使用される変数の定義、測定記述、データソース、および期待される関係。 再生可能エネルギー容量(REC)が従属変数として用いられ、一方でエコロジカルパフォーマンス指数(EPI)、温室効果ガス(GHG)排出量、環境に優しい技術(EFT)、グリーンGDPが説明変数として含まれました。データはOECD統計データベースおよび世界銀行から取得されました。

レクリエーションEFT温室効果ガス排出EPIグリーンGDP
平均2.3456221.8654781.4740841.37964612.97532
中央分離帯2.3951561.8756941.4968671.43906812.89835
マックス2.8219832.5212941.8501471.727414.41057
ミン−2.1323881.520018−1.253283−1.79125211.99038
標準偏差1.4629891.2623671.2720831.3560781.636272
歪み−2.4457471.178735−1.927887−1.7583351.681867
尖峰7.6571973.9696824.9615844.1542553.84369
ジャルケ・ベラ644.6757***2.25658483.36192***91.78071***35.25837***
可能性00.592564000

表2:2000年から2020年までの21のOECD諸国における調査変数の要約統計。 この表は、対数変換変数の平均、中央値、最小値、最大値、標準偏差、歪度、峰度、ジャルク–ベラ検定統計量を報告しています。

要因テスト統計P値
グループA:CSD検査
レクリエーション15.5220
グリーンGDP74.8530
EPI72.680
温室効果ガス排出22.5430
EFT47.8960
グループB:斜面の異質性
フレームワークDelta_tilde修正Delta_tilde
116.513***18.263***

表3:ペサラン断面依存性検定(CD)検定およびペサラン・ヤマガタ傾き異質検定の結果。 有意なCD統計はパネル単位間の断面積依存性を示し、一方で有意なΔ̃および調整済みΔ̃統計は国ごとに不均一な傾き係数を示しています。

可変レベル(傾向と定数)第一の違い(トレンドと定数)統合順序
レクリエーション−4.598***–I(0)
グリーンGDP−3.605−4.819***I(1)
EPI−4.539***–I(0)
温室効果ガス排出−3.167−6.396***I(1)
EFT−4.858***–I(0)

表4:断面増強Im–Pesaran–Shin(CIPS)パネル単位根試験の結果。 検出統計量は、レベルおよび第一次差分の変数について報告され、その後のパネル計量経済解析で用いられる積分の順序も報告されます。

検定統計量価値有意水準下限 i(0)上限 I(1)
F統計量7.845***1%3.745.16
5%2.864.01
10%2.453.52

表5:パネル自己回帰分布ラグ(ARDL)境界検定の結果。 表は、計算されたF統計量と、研究変数間の長期均衡関係の存在を評価するために用いられた1%、5%、10%の有意水準における下限および上限を報告しています。

可変Q0.10Q0.25Q0.50Q0.75Q0.90
EPI0.092***0.114***0.156***0.189***0.212***
温室効果ガス排出0.048*0.053**0.067***0.071***0.082***
EFT0.131***0.148***0.173***0.195***0.221***
グリーンGDP–0.348***–0.271***–0.198***–0.156***–0.138***
定数……………

表6:モーメント分位回帰法(MMQR)は、10、25、50、75、90条件分位における再生可能エネルギー容量の推定。 この表は、エコロジカルパフォーマンス指数(EPI)、温室効果ガス(GHG)排出量、エコフレンドリーテクノロジー(EFT)、グリーンGDPの推定回帰係数を報告しています。アスタリスクは統計的有意性を示します(p < 0.05、*p < 0.01、**p < 0.001)。

ヌル・スペキュレーションW-スタッツZbar-ステータス確率
グリーンGDPレクリエーション5.8028911.68870
レクリエーショングリーンGDP3.631755.771133.00E-07
EFTレクリエーション2.73115.759323.00E-07
レクリエーションEFT3.753625.550379.00E-07
温室効果ガス排出レクリエーション3.120043.744460.1078
レクリエーション温室効果ガス排出3.115463.721570.009
EPIレクリエーションT.7832312.23640
レクリエーションEPI4.60676.586330

表7:Dumitrescu–Hurlin パネル Granger 非因果性検定の結果。 表は、再生可能エネルギー容量(REC)と説明変数との因果関係の方向を評価するために用いられるW統計量、Z統計量、および関連する確率値を示しています。有意な確率値は、非因果性の帰無仮説を否定することを示します。

ディスカッション

本研究では、2000年から2020年までの21のOECD加盟国における再生可能エネルギー容量の決定要因を、環境政策の成果、温室効果ガス(GHG)排出、環境に優しい技術(EFT)、グリーンGDPをモーメント分位回帰法(MMQR)フレームワーク内で統合して検証しました。これらの発見は、再生可能エネルギー容量の条件付き配分に大きな異質性があることを示し、環境的、技術的、経済的要因の影響が各国の再生可能エネルギー開発段階によって異なることを示しています。これらの結果は、再生可能エネルギーの移行が均一な反応ではなく段階依存的な反応を示すことで、これまでの研究を拡張しています。

MMQRの結果は、グリーンGDPがすべての条件分位数で再生可能エネルギー容量と負の有意に関連していることを示しているが、この負の関係の大きさは下位分位数から上位分位数にかけて徐々に弱まっていく。具体的には、係数は10分位数の−0.348から90分位数の−0.138に増加し、再生可能エネルギー容量の拡大に伴い悪影響が弱まることを示しています。この発見は、環境調整された経済成長が必ずしも即時の再生可能エネルギー投資に結びつかないことを示唆しており、特にエネルギー転換の初期段階にある国々ではなおさらです。一つの説明としては、環境効率の向上は、追加の再生可能エネルギー導入よりも、エネルギー節約策、産業再編、クリーンな生産プロセスから最初に生まれる可能性があるというものです。この発見は、Beheraら45が報告した時間的非対称性を支持しており、環境に優しい経済パフォーマンスが構造的移行の初期段階で追加の再生可能エネルギー投資の動機を一時的に減少させる可能性があると示唆しています。高分位数で負の係数が徐々に弱まることは、再生可能エネルギーシステムが成熟するにつれてこの関係が緩和されることを示唆しています。

環境政策のパフォーマンスは、環境パフォーマンス指数(EPI)で測定され、すべての分位数で正のかつ統計的に有意な効果を示し、係数は10分位数の0.092から90分位数の0.212へと着実に増加しています。これらの結果は、各国がエネルギー転換を進める中で再生可能エネルギーの能力を促進する上で環境政策がますます効果的であることを示しています。均一な影響力を行使するのではなく、より強力な環境ガバナンスは、支援機関や規制枠組み、市場環境がすでに確立されている再生可能エネルギーセクターが発展した国々でより大きなリターンを生み出すように見えます。これらの発見は、適切に設計された環境規制がイノベーションを促進し、クリーンなエネルギー投資を促進すると主張するポーター仮説と一致しています(46,47)。また、環境政策の効果が制度の質と実施能力に依存しているという以前の証拠を強化します48。したがって、環境ガバナンスの強化は、特に再生可能エネルギーシステムが拡大している国々において、再生可能エネルギーの展開を加速させるための重要な政策手段であり続けています。

さらに、温室効果ガス排出量はすべての分位数で再生可能エネルギーの容量と正の関連があり、推定係数は10分位数の0.048から90分位数の0.082に増加します。この傾向は、環境圧力が高い国ほど再生可能エネルギーへの投資が強くなり、再生可能エネルギーの容量が高い国ほどこの反応が強まることを示唆しています。これらの発見は、排出量の増加が政府にクリーンなエネルギー政策を追求し再生可能エネルギーインフラを拡充する強いインセンティブを生み出すという見解を支持しています。しかし、パネルの因果分析では、因果関係は再生可能エネルギーの容量から温室効果ガス排出量に至るものであり、その逆ではなく、排出圧力は再生可能エネルギーの拡大と正の関連があるものの、独立して再生可能エネルギーの開発を引き起こすわけではないことを示唆しています。代わりに、排出削減は再生可能エネルギーの容量拡大によって達成されます。この区別は、環境圧力を具体的な再生可能エネルギー投資に変換する補完的な政策介入の重要性を強調しており、排出と再生可能エネルギー開発の非線形関係に関する過去の証拠と一致しています。

エコフレンドリー技術(EFT)は、説明変数の中で再生可能エネルギー容量との最も強い正の相関を示しており、係数は10分位数の0.131から90分位数の0.221まで一貫して上昇しています。係数の規模が増大していることは、再生可能エネルギーの移行が進むにつれて技術革新の重要性がますます高まっていることを示しています。この発見は、技術的能力が効率の向上、導入コストの削減、再生可能エネルギー技術の国家エネルギーシステムへの統合を促進することで既存の再生可能エネルギーシステムを強化することを示唆しています。さらに、EFTと再生可能エネルギー容量の間に明確な双方向の因果関係が特定されていることは、技術革新が再生可能エネルギーの拡大を促進し、再生可能エネルギー容量の増加がイノベーションをさらに促進するという強化的なイノベーション展開サイクルの存在を支持しています。EFTは環境関連の特許出願を用いて測定されましたが、今後の研究ではデジタルグリーンファイナンスや金融技術など、より広範な指標を取り入れ、イノベーションが再生可能エネルギー開発を支える追加のメカニズムを捉える可能性があります。それにもかかわらず、条件付き配分全体で一貫してプラスかつ増加している係数は、研究開発への持続的な投資、イノベーションインセンティブ、国際的な技術移転の重要性を強調しています。再生可能エネルギーの導入を加速させるための52。

総じて、再生可能エネルギー容量の決定要因はOECD諸国間で明確な分配の異質性を示すことが示されています。環境政策の成果、温室効果ガス排出、環境に優しい技術は再生可能エネルギーの容量増加に伴い、より強いプラス効果を発揮する一方で、グリーンGDPのマイナスの影響は高階層で徐々に弱まっていきます。これらの結果は、より高度な再生可能エネルギー分野を持つ国々が、移行初期の国々よりも環境政策、技術革新、環境圧力への対応からより強い恩恵を受けていることを示しています。したがって、本研究は従来の平均ベース分析を拡張し、これらの決定要因の有効性が再生可能エネルギー開発の段階に依存することを示し、再生可能エネルギー転換の経路における各国の立場に合わせた政策枠組みの必要性を強調しています。

いくつかの制限点を認めておくべきです。第一に、分析はOECD諸国および2000年から2020年の期間に限定されており、その結果の発展途上国やより新しい政策環境への一般化が制限される可能性があります。第二に、エコフレンドリー技術は特許出願によって測定されるため、デジタルグリーンファイナンス、金融技術、民間セクターのイノベーションといった新興の側面を捉えきれません。第三に、再生可能エネルギーの容量は、太陽光、風力、水力、バイオマスなどの個々の再生可能技術を区別せずに、総合的な指標として検討されます。今後の研究では、より広範な地理的カバー、より新しいデータセット、技術特有の再生可能エネルギー指標、デジタルグリーンファイナンスやクロスマーケットの金融スピローバーの指標を取り入れ、再生可能エネルギーの転換をより包括的に理解する必要があります。

結論として、本研究はOECD諸国の再生可能エネルギー容量が、環境政策の成果、温室効果ガス排出、環境に優しい技術、グリーンGDPの異質な影響によって形作られていることを示しています。環境政策や技術革新は一貫して再生可能エネルギーの能力を促進し、その効果は高分位でますます強まっていますが、グリーンGDPはグリーン経済への移行期における短期的な調整を反映し、負の関連性を示しつつ減少しています。パネルの因果分析は、再生可能エネルギー容量、環境政策の成果、グリーンGDP、環境に優しい技術との間に相互関係があることをさらに明らかにし、再生可能エネルギーの容量は温室効果ガス排出に一方向的な因果関係を及ぼします。これらの発見は、展開に特化した政策枠組み、グリーンイノベーションへの継続的な投資、そして長期的な脱炭素化を支援する補完的な政策手段の重要性を強調しています。長期均衡分析、分位体回帰、パネル因果性検定を統合した分析枠組みを通じて、本研究は再生可能エネルギーの移行が根本的に段階に依存し、政策の効果が再生可能エネルギー導入の成熟度に応じて異なることを示す新たな証拠を提供します。

開示事項

すべての著者は利益相反を一切認めていません。

謝辞

本研究は江蘇省教育局哲学社会科学研究プロジェクト(2022SJYB2268)の支援を受けています。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
CIPS単位根検定StataCorpStata 18クロスセクション拡張Im-Pesaran-Shinパネル単位根検定には、xtcipsまたはmultipurtコマンドを使用して実装されています。
クロスセクショナル依存性（CD）検定StataCorpStata 18Pesaran CD検定を行うには、xtcsdコマンドを使用して実装されています。
Dumitrescu–HurlinパネルGranger非因果性検定StataCorpStata 18パネル因果性分析には、xtgcauseコマンドを使用して実装されています。
エコフレンドリー技術（EFT）OECD統計N/A環境関連の特許出願データは、OECD統計データベース（https://stats.oecd.org/）から取得されています。
エコロジカルパフォーマンス指数（EPI）OECD統計N/AOECD統計データベース（https://stats.oecd.org/）からデータを取得しています。
EViewsIHS Global Inc.バージョン14パネル計量経済学のための代替統計解析ソフトウェア。
グリーンGDP世界銀行N/A世界銀行DataBank（https://databank.worldbank.org/）からデータを取得しています。具体的には、グリーンGDPの計算に使用される調整済み純貯蓄のデータです。
温室効果ガス（GHG）排出量OECD統計N/AOECD統計データベース（https://stats.oecd.org/）からデータを取得しています。
モーメント量子回帰法（MMQR）StataCorpStata 18mmqregコマンドを使用して実装されています。これは、統計ソフトウェアコンポーネント（SSC）アーカイブからインストールする必要があります。
Pesaran–Yamagata傾斜不均一性検定StataCorpStata 18xttest3またはxtheteroコマンドを使用して実装されています。
RR財団バージョン4.6.0以上統計計算のオープンソース代替手段。
再生可能エネルギー容量（REC）OECD統計N/AOECD統計データベース（https://stats.oecd.org/）からデータを取得しています。
StataStataCorpバージョン18すべての統計分析に使用される主要ソフトウェアで、診断テスト、共統合、分位数回帰、パネル因果性テストを含みます。
Westerlundパネル共統合検定StataCorpStata 18SSCからインストールする必要があるxtwestコマンドを使用して実装されています

参考文献

  1. Hassan Q, et al. The renewable energy role in the global energy Transformations. Renewable Energy Focus. 2024 Mar 1;48:100545.
  2. 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.
  3. Zhang D, Kong Q. Green energy transition and sustainable development of energy firms: An assessment of renewable energy policy. Energy Econ. 2022;111:106060.
  4. 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.
  5. 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.
  6. 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.
  7. 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.
  8. Rabbani MR, Kiran M. Financing the future: Insights into sustainable energy investments through scientific mapping and meta-analysis. Discov Sustain. 2025;6(1):34.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. Saleh HM, Hassan AI. The challenges of sustainable energy transition: A focus on renewable energy. Appl Chem Eng. 2024;7(2):2084.
  15. Rabbani MR, Kiran M. The nexus of FinTech, environmental sustainability, and climate change: Insights from OIC emerging economies. Sustain Futures. 2025;10:100986.
  16. 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.
  17. 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.
  18. 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.
  19. 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.
  20. 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.
  21. 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.
  22. Jain S, Puri N, Rabbani MR. Dynamic interconnectedness and risk transmission in green, clean energy, and sustainable markets. Indian J Finance. 2025;29-48.
  23. 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.
  24. 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.
  25. 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.
  26. Chen B, Xiong R, Li H, Sun Q, Yang J, et al. Pathways for sustainable energy transition. J Clean Prod. 2019;228:1564-1571.
  27. 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.
  28. 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.
  29. 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.
  30. 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.
  31. Li Y, et al. Geopolitical risks and the global renewable energy transition: Implications for energy security and economic resilience. Energy Rep. 2026;15:108875.
  32. 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.
  33. 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.
  34. 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.
  35. 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.
  36. Westerlund J. Testing for error correction in panel data. Oxf Bull Econ Stat. 2007;69(6):709-748.
  37. 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.
  38. Asante D, et al. Renewable energy technology transition among small- and medium-scale firms in Ghana. Renew Energy. 2021;178:549-559.
  39. 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.
  40. Pesaran MH, Yamagata T. Testing slope homogeneity in large panels. J Econometrics. 2008;142(1):50-93.
  41. Pesaran MH. A simple panel unit root test in the presence of cross-section dependence. J Appl Econom. 2007;22(2):265-312.
  42. 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.
  43. Machado JAF, Silva JMC. Quantiles via moments. J Econometrics. 2019;213(1):145-173.
  44. Dumitrescu EI, Hurlin C. Testing for Granger non-causality in heterogeneous panels. Econ Model. 2012;29(4):1450-1460.
  45. 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.
  46. Omri A, Hamza F, Alkahtani N. When do innovation and renewable energy transition drive environmental sustainability? Sustainability. 2025;17(15):6910.
  47. 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.
  48. 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.
  49. 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.
  50. 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.
  51. 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.
  52. 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.

再版と許可

タグ

234 234 GDP
動画は近日公開
お問い合わせ
図書館への推薦

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。