Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

Ruimtelijke heterogeniteit in de ecologische voetafdruk door investeringen in de Belt and Road, beoordeeld via een cross-sectioneel autoregressief gedistribueerd lag-model

345 weergaven

⸱

DOI:

10.3791/69602

⸱

19 december 2025

 ,  ,  ,  ,  ,  , 

In dit artikel

Samenvatting

Deze studie analyseert de milieueffecten van Chinese buitenlandse directe investeringen (FDI), toerisme en innovatie op het gebied van koolstofemissies in regio's van het Belt and Road Initiative met behulp van ruimtelijke econometrische modellen.

Samenvatting

Deze studie heeft als doel empirisch de veelzijdige impact te onderzoeken van China's door infrastructuur geleide buitenlandse directe investeringen (FDI), toerismeontwikkeling en technologische innovatie op koolstofemissies binnen de deelnemende landen van het Belt and Road Initiative (BRI). Verder dan aggregatieanalyse onderzoekt het onderzoek specifiek het vaak over het hoofd geziene synergetische effect tussen FDI en toerisme en onderzoekt het de significante regionale heterogeniteiten in deze milieurelaties. Methodologisch maakt de studie gebruik van paneldatatechnieken van de tweede generatie om robuuste schattingen te garanderen bij aanwezigheid van dwarsdoorsnede-afhankelijkheid en hellingsheterogeniteit. De analyse maakt gebruik van de Cross-Sectional Autoregressive Distributed Lag (CS-ARDL) en Common Correlated Effects Mean Group (CCEMG) schatters op gegevens van 2000 tot 2020 om zowel korte- als langetermijndynamiek te onderscheiden. De belangrijkste bevindingen tonen een complexe en dualistische rol voor FDI. Hoewel het geassocieerd wordt met een vermindering van de koolstofuitstoot in de volledige steekproef en in regio's als Zuidoost-Azië en Europa, verhoogt het de uitstoot in Zuid-Azië en MENA-landen aanzienlijk. Cruciaal is dat de interactie tussen FDI en toerismeontwikkeling de CO2-uitstoot verergert, wat aangeeft dat investeringen in infrastructuur de ecologische voetafdruk van toerisme vergroten. Bovendien beperkt technologische innovatie consequent de uitstoot, en de studie valideert de Environmental Kuznets Curve (EKC)-hypothese voor alle steekproeven. De implicaties van deze bevindingen zijn diepgaand voor beleidsmakers en onderstrepen de noodzaak om verder te gaan dan one-size-fits-all benaderingen. De belangrijkste nieuwigheid van de studie ligt in de expliciete focus op infrastructuurgedreven FDI, de kwantificering van het FDI-toerisme-interactie-effect, en de baanbrekende regionale deaggregatie, die samen de betwiste en contextafhankelijke aard van de milieu-erfenis van de BRI blootleggen. Deze gedetailleerde analyse biedt een cruciale bewijsbasis voor het formuleren van gerichte, regiospecifieke beleidsmaatregelen om de BRI richting het gestelde doel van duurzame ontwikkeling te sturen.

Inleiding

Het Belt and Road Initiative (BRI), een monumentale mondiale ontwikkelingsstrategie gelanceerd door China1, heeft het economische en infrastructurele landschap in Azië, Afrika en Europaingrijpend veranderd. Door ongekende niveaus van door infrastructuur geleide buitenlandse directe investeringen (FDI) te kanaliseren naar transport, energie en havenfaciliteiten, streeft de BRI ernaar de regionale connectiviteit te verbeteren en economische groei te stimuleren. Een cruciale, maar complexe uitkomst van deze verbeterde connectiviteit is de aanzienlijke impuls voor toerismeontwikkeling in deelnemende landen3, mogelijk gemaakt door verbeterde toegankelijkheid en infrastructuur4. Deze drie-eenheid van investeringen in infrastructuur, toerismegroei en economische uitbreiding brengt echter aanzienlijke milieueffecten met zich mee, met name wat betreft de CO2-uitstoot5. Het begrijpen van de wisselwerking tussen deze factoren is van groot belang om de economische doelstellingen van de BRI af te stemmen op wereldwijde duurzaamheidsdoelen, zoals het Akkoord van Parijs en de VN-Duurzame Ontwikkelingsdoelen6. Dit onderzoek onderzoekt specifiek de gevolgen van China's door infrastructuur gedreven FDI, toerismeontwikkeling en technologische innovatie op de CO2-uitstoot binnen de context van BRI-deelnemende landen.

Er is een aanzienlijke literatuur die het belang van toerisme als motor voor economische ontwikkeling heeft verankerd, vooral in opkomende markten 7,8. De sector wordt actief gestimuleerd door overheden omdat het inkomsten genereert, bijdraagt aan de groei van ondernemerschap ende werkloosheid minimaliseert. De sector heeft wereldwijd sterke groei laten zien, aangezien internationale toeristenaankomers de verwachtingen overtreffen en jaarlijks miljarden inkomsten genereren, een trend die wordt aangemoedigd door de verbetering van communicatietechnologie, veranderende visumprocedures en betere toeristische bestemmingen10. Tegelijkertijd is er vragen geweest over de milieueffecten van deze groei11. Een onderzoekslijn wijst op het nadelige effect van toerisme en schrijft dit toe aan de directe correlatie tussen toerisme en energieverbruik en koolstofemissies gerelateerd aan transport12. Bovendien staan ze, ondanks de kansen die grote infrastructuurprojecten onder de BRI bieden voor de toerismesector, ook bekend om hun enorme milieustress door de energievraag en ecologische verstoringen13.

Toch vertoont bestaande literatuur cruciale hiaten die deze studie probeert aan te pakken. Ten eerste, hoewel de algemene relatie tussen toerisme en emissies wordt erkend, blijft het empirische bewijs ambigu en wordt vaak niet rekening gehouden met de unieke, veelzijdige context van de BRI. De relatie is niet monolithisch; Het wordt bemiddeld door een reeks lokale factoren, waaronder logistieke infrastructuur, blootstelling aan politieke instabiliteit, milieunormen en klimaatomstandigheden14. Ten tweede stelt een concurrerend narratief in de literatuur dat toerisme, vooral wanneer het aansluit bij ecotoerismeprincipes en groene beleidsmaatregelen, een middel kan zijn voor milieuduurzaamheid in plaats van degradatie15. Deze dualiteit benadrukt een aanzienlijke kenniskloof onderstreept: onder welke omstandigheden verergert of beperkt toerisme binnen het BRI-kader de uitstoot? Ten derde wordt de rol van infrastructuurgedreven FDI vaak geïsoleerd bestudeerd16. Het synergetische effect van FDI en toerismeontwikkeling, waarbij nieuwe luchthavens, wegen en hotels die direct door FDI worden gefinancierd mogelijk maken en de toeristenstroom stimuleren, en de gezamenlijke impact op het milieu ervan is niet goed begrepen. Dit onderzoek pakt deze hiaten direct aan door een genuanceerde en uitgebreide analyse uit te voeren van de milieugevolgen van de economische drijfveren van de BRI. Onderzoekers gaan verder dan brede generalisaties om de specifieke, gecombineerde impact van door infrastructuur gedreven FDI, toerismeontwikkeling en technologische innovatie op koolstofemissies te onderzoeken. De bijdragen van deze studie zijn drievoudig. Ten eerste levert het nieuw empirisch bewijs over de onderlinge verbondenheid van investeringen in infrastructuur, toerisme en koolstofemissies binnen de specifieke en zeer relevante context van het Belt and Road Initiative. Door expliciet de interactie tussen toerismeontwikkeling en FDI te modelleren, ontdekken onderzoekers of hun combinatie een synergetisch effect creëert dat de milieudruk versterkt of vermindert, een dimensie die ineerdere studies grotendeels over het hoofd is gezien. Ten tweede levert dit onderzoek een belangrijke methodologische bijdrage door het toepassen van een CS-ARDL-model en het uitvoeren van een gedetailleerde regionale analyse. Dit stelt ons in staat om voorbij one-size-fits-all conclusies te komen en de aanzienlijke regionale verschillen te onthullen in hoe deze economische activiteiten het milieu beïnvloeden.

Literatuuroverzicht

De toerismesector wordt algemeen erkend als een belangrijke katalysator voor economische ontwikkeling, vooral in opkomende markten18. Empirische studies tonen consequent aan dat het vermogen heeft om inkomen te genereren, ondernemerschap te stimuleren en werkloosheid te verminderen, waardoor overheden wereldwijd ondersteunend beleid voorde sector hebben aangenomen. Historische gegevens onderstrepen deze dynamische groei, waarbij de sector een gemiddeld jaarlijks groeipercentage van ongeveer 5% handhaaft, en internationale toeristenaankomst naar verwachting meer dan 1,8 miljard zal bedragen, een prognose die vaak wordt overtroffen door daadwerkelijke cijfers die worden aangedreven door vooruitgang in communicatietechnologie, verbeterde toeristische infrastructuur en gestroomlijnde visumregels21. De bijdrage van de sector aan economische groei is echter niet uniform, aangezien het succes wordt bemiddeld door een complex scala aan lokale factoren, waaronder logistieke infrastructuur, politieke stabiliteit, milieunormen en klimaatomstandigheden, wat suggereert dat gegeneraliseerde modellen van toerismegedreven groei vaak onvoldoende zijn22.

Parallel aan de uitbreiding van het toerisme zijn de milieugevolgen van economische ontwikkeling scherp in de schijnwerpers gekomen, waardoor een dualistisch narratief binnen het academischediscours aan het licht komt. Een literatuurstroom verbindt toerismeontwikkeling krachtig met een verhoogd energieverbruik en transportgerelateerde koolstofemissies, waarmee de sector wordt gepositioneerd als een belangrijke bijdrage aan milieudegradatie24. Dit is vooral relevant in de context van grootschalige initiatieven zoals China's Belt and Road Initiative (BRI), dat via infrastructuurgedreven buitenlandse directe investeringen (FDI) de connectiviteit verbetert en toerisme en economische activiteit stimuleert, maar tegelijkertijd aanzienlijke milieudruk creëert door een verhoogde energievraag en ecologische verstoring25. Daarentegen benadrukt een concurrerend wetenschappelijk perspectief het potentieel voor duurzaam toerisme, en stelt dat ecotoerisme en groene beleidsmaatregelen vervuiling kunnen beperken en op lange termijn ecologische duurzaamheid kunnen waarborgen, waardoor economische groei in lijn wordt gebracht met milieubeheer26. Deze dualiteit strekt zich uit tot de rol van FDI, die zowel een bron kan zijn van vervuilende technologieën als geavanceerde, milieuvriendelijke innovaties, wat een empirische ambiguïteit creëert die verder wordt bemoeilijkt wanneer FDI specifiek gericht is op infrastructuur die toerismegroei mogelijk maakt27.

De complexe onderlinge verbanden tussen toerisme, investeringen en milieu vereisen een diepgaand onderzoek naar modererende factoren en theoretische kaders28. Technologische innovatie wordt vaak genoemd als een cruciaal mechanisme om economische groei los te koppelen van emissies, door de adoptie van hernieuwbare energie en groene technologieën29. Bovendien biedt de theoretische basis van de Environmental Kuznets Curve (EKC)-hypothese een kader om de relatie tussen economische ontwikkeling en milieudegradatie te testen, waarbij wordt gesuggereerd dat de uitstoot aanvankelijk met het inkomen kan stijgen voordat het uiteindelijkmet 30 daalt. Het transformatieve potentieel van de BRI, waarbij prognoses suggereren dat haar economieën tegen 2030 de helft van het wereldwijde BBP zullen uitmaken, maakt het tot een cruciale casestudy om deze dynamiekte onderzoeken. Toch blijft er een aanzienlijke kloof in de literatuur bestaan: een gebrek aan genuanceerde, empirische studies die tegelijkertijd de gecombineerde impact modelleren van infrastructuurgedreven FDI, toerismeontwikkeling en technologische vooruitgang op de CO2-uitstoot in de heterogene regio's van de BRI (Figuur 1)32. Bestaand onderzoek behandelt deze drijfveren vaak geïsoleerd, waarbij het niet lukt om hun synergetische effecten en regionale variaties te vangen; een kloof die dit onderzoek probeert te vullen door een methodologische benadering te hanteren die zowel gemeenschappelijke gecorreleerde effecten als dwarsdoorsnedeverschillen vergoedt33.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Deze studie maakte uitsluitend gebruik van openbaar toegankelijke, secundaire macro-economische gegevens van officiële bronnen, waaronder de World Development Indicators (WDI) van de Wereldbank en het Ministerie van Handel van de Volksrepubliek China (MOFCOM). De onderliggende ruwe gegevens zijn openbaar beschikbaar van de Wereldbank (https://databank.worldbank.org/source/world-development-indicators) en het Chinese Ministerie van Handel (MOFCOM). Er waren geen menselijke of dierlijke proefpersonen betrokken bij het onderzoek. Als zodanig vereiste deze studie geen beoordeling of goedkeuring door een institutionele beoordelingscommissie (IRB) of ethische commissie.

Data en variabelenconstructie

Dit onderzoek analyseert EKC in landen samen met BRI en onderzoekt de correlatie tussen Chinese uitgaande FDI-voorraden en CO2-uitstoot. Over het algemeen kunnen de effecten van economische activiteit op het milieu worden onderverdeeld in drie categorieën: omvat wat auteurs het Technology Innovation (TI)-effect noemden, het industriële samenstellingseffect en het economische schaaleffect. Daarom beschrijven auteurs, naast de belangrijkste kenmerken van de studie, deze cruciale kenmerken. Het volgende is een perceptie van deze correlatie:

Vergelijking 1(1)

In dit model worden verschillende variabelen gebruikt om verschillende economische indicatoren te representeren. Deze omvatten:

CO2: koolstofemissies, TD: Chinese buitenlandse directe investeringsaandelen in landen van het Belt and Road Initiative, TI: TD-indices, BBP: bruto binnenlands product, SQGDP: kwadraten van het BBP (gebruikt om de Environmental Kuznets-curve aan te duiden), en IVA: industriële toegevoegde waarde.

Het model gebruikt een subscript om het aantal landen aan te geven en een subscript ε{it} om tijd aan te geven. De parameters in het model worden weergegeven door β{1} + β{2} + β{3} + β{4} + β{5} + β{6} en β{7} . De term μ{i} verwijst naar een dwarsdoorsnede-specifieke factor, ε{it}, en vertegenwoordigt de foutieve uitdrukking.

De BRI heeft de communicatie tussen China en andere bijdragende landen aanzienlijk verbeterd, wat belangrijke gevolgen heeft voor het energieverbruik, de begrotingsgroei en de milieuomstandigheden. De stappen die de Chinese regering heeft genomen om de groene BRI te ontwikkelen in lijn met het Akkoord van Parijs (2015) en de SDG's van 2030 omvatten de verspreiding van technologische voordelen en de groei van een efficiënte en milieuvriendelijke energie-infrastructuur34. Gu enZhou, 35 , onderzochten recent gebouwde schone energieprojecten in respectievelijke BRI-landen met 16 GW geïnstalleerde capaciteit en hielpen de uitstoot van broeikasgassen met 49 ton te verminderen, waarmee deze benaderingen werden bevestigd. Daarnaast suggereerden Li et al.36 dat het Belt and Road Initiative de energiedoeltreffendheid en economische ontwikkeling van het gastland verhoogt door betrouwbare energie- en logistieke faciliteiten te bouwen. China's FDI verergert echter de ecologische problemen in gastlanden vanwege de groeiende vraag naar stroom en natuurlijke hulpbronnen. Afhankelijk van deze redenering wordt voorspeld dat China's buitenlandse directe investeringen in het buitenland een effect kunnen hebben op de CO2-uitstoot op verschillende plaatsen, wat zowel gunstig als schadelijk is:

Vergelijking 7

In de nieuwste studie onderzochten Bekun et al.37 de hypothese dat toerisme-inkomsten bijdragen aan lagere emissies, maar dat bezoekers het tegenovergestelde effect hebben. Daarnaast benadrukte de synthese van de wetenschappelijke studies (zie Tabel 1) dat toeristische variabelen specifieke milieugevolgen veroorzaken. Om hieraan te voldoen, voert dit onderzoek een geaccumuleerde toeristische betrokkenheidsindicator uit die helpt subjectieve vooringenomenheid te verwijderen. De algemene toeristische bedrijfsindicator kan een gunstig of nadelig effect hebben op CO2.

Vergelijking 8

Vergelijkbaar met hoe toegenomen connectiviteit, minder concurrentiebarrières (zowel mensen als goederen), snellere zendingen en verbetering van de infrastructuur tussen BRI-lidstaten de uitbreiding van de toeristenindustrie stimuleren, wat een cruciaal effect op de milieukwaliteit kan hebben, gezien de inherente kenmerken van de toerisme-economie, kan het voordelig zijn.

Vergelijking 9

Gezien de fundamentele aard van economische activiteit zijn meer energie- en brandstofverbruik, wat leidt tot een toename van CO2, noodzakelijk. Desalniettemin kunnen technologische vooruitgang om milieuvriendelijke producten en procedures te creëren, evenals innovatiegedreven veranderingen in de energievoorziening, een aanzienlijke impact hebben op milieuduurzaamheid. TI vermindert op deze manier de uitstoot van kooldioxide.

Vergelijking 10

De EKC-theorie wordt ondersteund doordat de economische groei gekoppeld is aan een toename van het energieverbruik38, wat de uitstoot verhoogt, maar het kwadraat van ontwikkeling in de economie verlaagt de kooldioxide-uitstoot.

Vergelijking 11

Een belangrijk element dat de kooldioxide-uitstoot van de gastlanden beïnvloedt, is de commerciële samenstelling van die landen (Tabel 2). IVA kan een gunstig effect hebben op de CO2-uitstoot, aangezien de toenemende industriebelang in buurlanden met BRI zal leiden tot een hoger energieverbruik en bijbehorende emissies39.

Vergelijking 12

Gegevensbron en steekproefselectie

Het belang van BRI-landen is gebaseerd op de aanname dat zij 30% van het wereldwijde BBP vertegenwoordigen, 64% van de bevolking, 39% van het grondgebied, 35% van de handel, 50% van het energieverbruik en 54% van deCO2-uitstoot. Naast deze gegevens heeft het BRI-gebied een enorme groei doorgemaakt in Chinese FDI, waardoor het het meest effectieve samenwerkingsplatform ter wereldis. Daarom onderzoeken auteurs de ecologische effecten van China's uitgaande buitenlandse directe investeringen, TD en TI in de gekozen 2 (54) Belting and Roads-knooppunten landen van 2000 tot 2020. Om dit te doen maakt het artikel gebruik van jaarlijkse gegevens overCO-2-uitstoot (metrische ton), Chinese buitenlandse directe investeringsvoorraden (constante 2010 US$), de TD-indicator (voor meer informatie, zie Tabel 3) en de totale index (TI), die wordt berekend als het totale aantal patenten (voor inwoners en immigranten), het BBP (continu US$ 2011). en de productiewaarden (% van het BBP). Het is cruciaal om een consistente teststatistiek te bieden bij het oplossen van het probleem van differentiële attributen, aangezien deze factoren verschillende meeteenheden weergeven. Met het oog op eerder onderzoek hebben de auteurs alle aspecten omgezet in het regressiemodel, dat resultaten oplevert in de vorm van elasticiteit die de interpretatie van gegevens vergemakkelijken. Afgezien van het Chinese externe buitenlandse directe investeringskapitaal, dat afkomstig is van het Chinese ministerie van Economie en Handel, is de informatie over deze factoren afkomstig uit de World Development Index (WDI).

TD-index

Talrijke maatstaven worden gebruikt in toerismestudies om toeristische activiteiten te beschrijven. Toeristische inkomsten41, toeristenuitgaven Pata en Balsalobre-Lorente42, en toegangsgegevens43 worden gebruikt om de algehele toerismevraag te kwantificeren. Deze toeristische modellen hebben verschillende nadelen, omdat ze slechts een deel van de relatie tussen verontreinigende stoffen verklaren. Deze drie toeristische variabelen zijn zeer collineair, en als ze gelijktijdig in een uniform kader worden gebruikt, kan dit leiden tot het multicollineariteitsprobleem; volgens Meng et al.44 combineert PCA gemeenschappelijke schommelingen van alle toeristische variabelen tot een unieke geaccumuleerde score. Deze toeristische metrics zijn afkomstig uit de WDI-dataset, die helpt bij het creëren van een onderscheidende samengestelde indicator door de zeer kritieke data samen te voegen.

TD-index tot en met PCA

De Tourism Development (TD) index is opgesteld met behulp van Principal Component Analysis (PCA) om de drie sterk gecorreleerde toeristische variabelen (internationale toerisme-ontvangsten, uitgaven en aankomsten) samen te voegen in één samengestelde score. De geschiktheid van de gegevens voor PCA werd eerst gevalideerd met behulp van twee standaardtests. De Kaiser-Meyer-Olkin (KMO) maat voor steekproefadequadheid leverde een waarde van 0,723 op, wat de aanbevolen drempel van 0,6 overschreed, wat aangeeft dat de correlatiepatronen compact waren en dus geschikt voor factoranalyse. Bovendien was Bartlett's Test of Sphericity statistisch significant (p < 0,001), waarmee werd bevestigd dat de correlatiematrix geen identiteitsmatrix was en dat de variabelen voldoende gecorreleerd waren voor PCA. Op basis van het Kaiser-criterium (eigenwaarde > 1) werd alleen het eerste hoofdcomponent behouden. Deze component verklaarde naar tevredenheid meer dan 81% van de totale variantie over alle drie de toerismevariabelen. De factorbelastingen voor alle drie de variabelen waren positief en hoog, wat een evenwichtige weging ondersteunde bij de berekening van de uiteindelijke index. De resulterende TD-indexscores varieerden van -0,681 tot 5,157 voor de steekproef, waarbij een lagere waarde een lager niveau van toerismeontwikkeling aanduidt en een hogere waarde een hoger niveau van toerismeontwikkeling onder de BRI-landen.

Analytisch kader

Onderzoekers begonnen de analyse met het testen van twee essentiële panelgegevens: cross-sectional dependency (CSD), wat onderlinge verbondenheid tussen landen aangeeft, en slope heterogenity (SH), wat aangeeft dat de variabele relaties per land verschillen. Het bevestigen van deze eigenschappen was een cruciale eerste stap, omdat het het gebruik van gespecialiseerde econometrische tests van de tweede generatie vereiste voor nauwkeurige resultaten.

Dwarsdoorsnedeafhankelijkheid (CSD) en hellingsheterogeniteit (SH)

Het uitgangspunt van hellende variabiliteit en dwarsdoorsnede-afhankelijkheid, gehandhaafd door tweede-generatie (SGN) eenheidswortel (UR; inclusief CS-supplement IPS UR-testen) en cointegratietests maakt het noodzakelijk te verifiëren voordat men naar de integratievolgorde van de factor gaat. Door de snelle schommelingen in financiële en monetaire projecten, gevolgd door veranderingen in de economie, de bankzaken, globalisering, de onderlinge verbondenheid van royalty's en ontbrekende visuele en onopgemerkte gemeenschappelijke elementen, vormen dataseries onvermijdelijk het CSD-probleem. Voordat we UR en co-integratietests gebruiken, stelt CSD ons in staat de meest effectieve methode te kiezen om de problemen die zijn onthuld op te lossen. Het onderzoek maakte gebruik van een meer geavanceerde benadering gebaseerd op Tang et al.45, CD-testen om CSD te valideren. Daarnaast neemt het artikel de Zhuang et al.46, SH-testen over, die beter zijn dan conventionele heterogeniteitsanalyses zoals SURE, die CSD niet toestaan in panels47. De formules voor de analyse van hellingsheterogeniteit zijn als volgt:

Vergelijking 13(2)

Vergelijking 14(3)

Eenheidsworteltest (URT)

Een verdere fase is het gebruik van de juiste eenheidswortelexperimenten om de integratievolgorde te waarborgen zodra CSD en hellingsheterogeniteit zijn geverifieerd. De volgorde van integratie voor alle factoren wordt bepaald door de cross-Sectionally augmented Dickey-Fuller (CADF) en cross-sectionally enhanced IPS (CIPS) modellen. Eerste-generatie testen is de eerste twee URT's, terwijl SGN-analyses de derde URT zijn. Omdat het CSD toestaat bij het berekenen van variabele eenheidswortels, is CIPS beter. De conventionele panel-eenheidsworteltests geven valse bevindingen wanneer CSD aanwezig is. Desondanks maakt het huidige onderzoek gebruik van basis- en geavanceerde eenheidsworteltests voor objectieve en consistente schattingen. Hieronder volgt de CUPS-vergelijking:

Vergelijking 15(4)

De onderstaande vergelijking gebruikt het symbool om het gemiddelde over verschillende secties aan te geven.

Vergelijking 17(5)

De statistische tests van CIPS zijn als volgt:

Vergelijking 18(6)

Paneelcointegratietests

Auteurs schatten vervolgens de co-integratieverband tussen kooldioxide-uitstoot en hun oorzaken, waaronder Chinese uitgaande FDI, TD, TI en economische expansie, na bevestiging van CDS, hellingsheterogeniteit en variatiestationariteitsniveau. Het onderzoek doet dit door gebruik te maken van de panelcointegratiebenadering, die realistische voorspellingen oplevert wanneer foutieve factoren dwarsdoorsnede-afhankelijk zijn en panelen divers zijn. Omdat deze test geen typische elementbeperkingen oplegt bij het beschouwen van CSD en structurele onderbrekingen, is hij te verkiezen boven co-integratietests van de eerste generatie. Daarnaast houden traditionele panelschattingsmethoden die gebruikmaken van onwaargenomen heterogeniteit, fixed-effectmodellen en instrumentele variabelen geen rekening met de CSD van constante variantie, wat resulteert in onnauwkeurige schattingen. In tegenstelling tot de cointegratietest van de tweede generatie, richt de paneelcointegratietechniek zich op structurele breuken op verschillende locaties voor elke dwarsdoorsnede, naast CSD, SH en seriële correlatie van foutieve expressies. Het artikel bevat de co-integratietest. De structurele ineenstorting en paradigmawisselingen beïnvloeden echte waarden. Deze analyse biedt co-integratievoorspellingen zonder vervuiling, niveaubreuk of paradigmawisseling (Tabel 4).

Doorsnede-geüpgradeerde autoregressieve gedistribueerde vertragingen

Auteurs kunnen nu experimentele beoordelingen overwegen van de langetermijnrelatie tussen broeikasgassen en hun drijfveren. Het traditionele voorspellingsmodel veronderstelt dwarsdoorsnedestabiliteit, wat in de eerste onderzoeken niet het geval is. Aangezien de hoeveelheid koolstofvervuiling wordt bepaald door de onzichtbare relevante variabelen die afhankelijk zijn van dwarsdoorsnedefouttermen, is dit een ongeloofwaardige hypothese. Verschillende factoren, waaronder de ongelijke en plotselinge toename van Chinese externe FDI en de verandering in financiële en politieke kaders, geven conceptuele geloofwaardigheid aan de brede afhankelijkheid van het Belt and Road-programma. Dit komt doordat de natuurlijke kenmerken vertekend kunnen worden door de aanwezigheid van onzichtbare relevante variabelen die gekoppeld zijn aan de regressieanalyse. De CS-ARDL-schatting biedt de beste oplossing voor het probleem van afhankelijkheid van doorsneden en hellingsheterogeniteit. Stel een dynamische strategie voor voor gemeenschappelijke gecorreleerde effecten die de CS-ARDL-methode gebruikt om deze zorgen aan te pakken. Dit leidt ons tot de volgende afleiding van de CS-ARDL-formule:

Vergelijking 19(7)

Eenvoudige autoregressieve distributed lags (ARDL) modellen hebben de lineaire functie zoals hierboven getoond in Vergelijking (7); Als de auteurs doorgaan met deze formule, krijgen ze gemengde resultaten, afhankelijk van of er dwarsdoorsnede-afhankelijkheden optreden. Vergelijking (7) wordt gegeneraliseerd om Vergelijking (8) te geven door middel te nemen over dwarsdoorsneden. De impact van het cutoffpunt is alleen aanwezig als dwarsdoorsnede-afhankelijkheid wordt meegenomen, en deze procedure helpt die mogelijk misleidende aanname te elimineren.

Vergelijking 20(8)

Waarbij Xt-1 = (CO2i,t–1, Zi,t–1) kan worden gezien als het gemiddelde van de afhankelijke en onafhankelijke variabelen, Pw,P z,P x Identificeer alle vertragingen binnen elke parameter. CO2i,t, kooldioxide-uitstoot (tCO2) is een voorbeeld van een afhankelijke variabele, en Zi,t is een vector die alle verschillende factoren bevat. Dwarsdoorsnede-gemiddelden (inclusief tijdsdummy- of patroonvariabelen) worden getoond door X, waarmee wordt aangetoond hoe ze kunnen worden gebruikt om CSD veroorzaakt door rimpeleffecten te voorkomen. De CS-ARDL gebruikt kortetermijncoëfficiënten als invoer om langetermijncoëfficiënten te berekenen. Voor de gemiddelde getalschatter en de langetermijncoëfficiënt.

Vergelijking 26(9)

De gemiddelde groep wordt gegeven als:

Vergelijking 27(10)

Kortetermijncoëfficiënten worden geschat als:

Vergelijking 28(11)

Waar,

Vergelijking 29(12)

Vergelijking 30(13)

 Vergelijking 31(14)

 Vergelijking 32(15)

In het geval van een storing of de benodigde tijd om constant balans te bereiken, zijn de foutcorrectieprocedures voor CS-ARDR's vergelijkbaar met een georganiseerd gemiddelde paneel, dat het tempo van verandering richting langdurige balans bepaalt.

Robuustheidsschatters

Traditionele schattingsprocedures zijn sterk tegengesteld aan het door deze commissie erkende bestaan van hellingsheterogeniteit en variantiedecompositie. Bovendien gebruikt het onderzoek de door Pesaran vastgestelde Ordinary Connected Effect Average Panel-meting om soortgelijke zaken te bevestigen. Zelfs bij CSD, heterogeniteit, endogeniteit en niet-stationariteit kan CCEMG effectief worden gebruikt (Tabel 5). Het heeft ook correlatieproblemen, vooral met de dwarsdoorsnedeverdelingen. Hieronder volgt de formule van CCEMG:

Vergelijking 33(16)

Granger-oorzaak

Granger-causaliteit wordt gebruikt om de componenten van het artikel en hun mogelijke bijdragende relatie te analyseren. Vanwege de kernaannames werkt deze methode beter met diverse schermen. Tegen de hypothesetest van causaliteit tussen variabelen is de nulhypothese van de DH-meervoudige regressieanalyse dat er geen causaliteit is. Hieronder volgt een beschrijving van de praktische structuur van de DH Granger causaliteitstest:

Vergelijking 34(17)

Voor een autoregressief model wordt de schatter aangeduid met j en worden de autoregressieve variabelen weergegeven door βj(j)

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

De gepresenteerde resultaten tonen effectief het nut aan van de Cross-sectionally Augmented Autoregressive Distributed Lag (CS-ARDL) techniek bij het vastleggen van complexe, realistische economische relaties (Figuur 2). Zo is de uiteenlopende langetermijnimpact van buitenlandse directe investeringen (FDI) op de CO2-uitstoot in sommige regio's, zoals Zuidoost-Azië, negatief, maar positief in andere, zoals Zuid-Azië, wat de hellingsheterogeniteit illustreert waarvoor het CS-ARDL-model specifi...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

De resultaten van dit empirische werk bieden een rijk en genuanceerd verhaal over de mogelijke milieueffecten van economische integratie binnen het kader van het Belt and Road Initiative en overstijgen de simplistische dichotomieën die de literatuur kenmerken. Het testen van hellingsheterogeniteit en dwarsdoorsnedeafhankelijkheid mag niet meteen als methodologische formaliteit worden geïntroduceerd, maar als een basispunt; het moet worden erkend dat de relaties tussen FDI, toerisme, tech...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

Alle auteurs geven geen belangenconflicten op.

Dankbetuigingen

Er werd geen financiering ontvangen voor dit onderzoekswerk.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
Causality AnalysisHeterogeneous Panel Granger Causality Test by Dumitrescu and Hurlin (2012)Om de richting van causale relaties tussen de variabelen te bepalen (bijv., veroorzaakt FDI Granger-CO2-emissies?).
Cross-Sectional Dependence (CSD) TestPesaran (2015) Cross-Sectional Dependence (CD) testOm de nulhypothese van cross-sectionele onafhankelijkheid tussen de fouttermijnen van de panel-eenheden diagnostisch te testen.
FDI-TD Interaction TermBerekend als het product van de FDI en de Tourism Development (TD) indexreeksen.Om het synergetische of moderatoreffect van infrastructuurgestuurde FDI op de relatie tussen toerismeontwikkeling en koolstofemissies vast te leggen.
Foreign Direct Investment (FDI) DataMinistry of Commerce of the People's Republic of China (MOFCOM)Bron voor gegevens over Chinese uitgaande FDI-voorraden naar landen van de Belt and Road Initiative (BRI).
Long-run and Short-run EstimationCross-Sectional Autoregressive Distributed Lag (CS-ARDL) modelDe primaire estimator om zowel korte- als langetermijncoëfficiënten te verkrijgen voor de impact van onafhankelijke variabelen op CO2-emissies, terwijl rekening wordt gehouden met CSD en heterogeniteit.
Macroeconomic Panel DataWorld Bank, World Development Indicators (WDI)Primaire bron voor gegevens over CO2-emissies, BBP, industriële toegevoegde waarde (IVA) en toerismemetingen (aankomsten, opbrengsten).
Panel Cointegration TestsWesterlund en Edgerton (2008) co-integratietest met structurele breukenOm te testen op het bestaan van een langetermijn-co-integrerende relatie tussen de variabelen, rekening houdend met CSD en structurele breuken.
Robustness Check EstimatorCommon Correlated Effects Mean Group (CCEMG)Een alternatieve estimator gebruikt om de robuustheid van de langetermijncoëfficiënten verkregen uit het CS-ARDL model te controleren.
Second-Generation Unit Root TestsCross-sectional Augmented Dickey-Fuller (CADF) en Cross-sectional Augmented IPS (CIPS)Om de integratieorde van de variabelen (CO2, FDI, TD, TI, BBP, IVA) te bepalen in aanwezigheid van cross-sectionele afhankelijkheid.
Slope Heterogeneity (SH) TestPesaran en Yamagata (2008) Delta en Delta-modified testsOm de nulhypothese van homogene hellingen tussen de cross-sections in het panel diagnostisch te testen.
Squared GDP (SQGDP)Berekend als het kwadraat van de BBP per hoofd van de bevolking (of totale BBP) reeks.Om empirisch te testen op de aanwezigheid van de Environmental Kuznets Curve (EKC) hypothese in het model.
Statistical Software PackageNiet gespecificeerd in het protocol, maar essentieel voor analyse (bijv. Stata, R, EViews)Platform voor gegevensbeheer, variabelenconstructie en uitvoering van alle economische tests en schattingen (CSD, SH, unit root, co-integratie, CS-ARDL, CCEMG, causaliteit).
Technology Innovation DataWorld Bank, World Development Indicators (WDI)Bron voor octrooigevende gegevens (resident en niet-resident) gebruikt om de Technology Innovation (TI) index te construeren.
Tourism Development (TD) IndexPrincipal Component Analysis (PCA) toegepast op toerismeaankomsten, opbrengsten en uitgaven.Om een enkele, samengestelde index te creëren die de algehele toerismeactiviteit vastlegt en multicollineariteit voorkomt door individuele toerismemetingen te gebruiken.

Referenties

  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).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Meer artikelen verkennen

Directe Buitenlandse InvesteringenToerismeontwikkelingTechnologische InnovatieRegionale HeterogeniteitCross-Sectional ARDLPaneldata-analyseMilieukuznets-curveInfrastructuurinvesteringen

Dit artikel is gepubliceerd

Video binnenkort beschikbaar