Deze studie hanteert een uitgebreide empirische strategie om de onderlinge afhankelijke dynamiek van technologische innovatie, gelijkheid in de volksgezondheid, governance en duurzame ontwikkeling binnen de G7-landen van 1990 tot 2022 te onderzoeken. De analyse maakt gebruik van geavanceerde paneldatatechnieken, waaronder Cross-Sectional Autoregressive Distributed Lag (CS-ARDL) en Common Correlated Effects Mean Group (CCEMG) modellen, die zijn geselecteerd om robuust rekening te houden met cross-sectionele afhankelijkheid en hellingsheetheid tussen economieën. Voorlopige tests bevestigen de stationariteit van data en stellen langetermijncointegratie tussen de kernvariabelen vast. De methodologie biedt daarmee een rigoureus kader om korte- en langetermijnrelaties te ontwarren en de voorgestelde synergetische triade te testen.
Theoretische achtergrond en empirische strategie
De overgang naar duurzame ontwikkeling vereist ingrijpende structurele veranderingen binnen geavanceerde economieën, vooral gezien de toenemende druk van klimaatverandering en milieudegradatie. De historische ontwikkeling van de G7-landen wordt gekenmerkt door economische modellen die sterk steunen op intensieve winning en consumptie van natuurlijke hulpbronnen, een traject dat fundamenteel onhoudbaar is. Als reactie daarop is overheidsinterventie cruciaal geworden, vooral uit zich in industrieel beleid dat gericht is op het loskoppelen van economische groei van ecologische schade. Deze interventies omvatten verplichtingen voor hulpbronnenbesparing, het bevorderen van innovatieve productietechnieken om emissies te verminderen en naleving van regelgeving te waarborgen, en strategische verschuivingen in energiesystemen richting hernieuwbare bronnen zoals geothermische energie om fossiele brandstoffen te verdringen. De centrale uitdaging ligt daarom in het orkestreren van een structurele transformatie die economische doelstellingen verzoent met planetaire grenzen.
Om deze transformatie te conceptualiseren, is de lens van economische complexiteit leerzaam. Het stelt dat de economische kracht van een natie voortkomt uit het vermogen om geavanceerde kennis en gespecialiseerde capaciteiten te benutten om geavanceerde goederen en diensten te produceren. De relatie tussen deze complexiteit en milieuduurzaamheid is echter niet deterministisch. Zoals verwoord door de Sustainable Development Index (SDI) van een land, kan worden gemodelleerd als een functie van de veelzijdige productiviteit (β = MFP/SDI), wat een kritische spanning onthult. Enerzijds kan geavanceerde industriële ontwikkeling (SDI) milieudegradatie intensiveren door uitputting van hulpbronnen en afvalproductie, een risico voor economieën die vastzitten in traditionele, hulpbronnenintensieve productie. Aan de andere kant kan dezezelfde complexiteit worden ingezet in groene industriële strategieën, die technologische innovatie stimuleren die milieuproblemen aanpakken en voldoen aan de groeiende vraag naar hernieuwbare energie. Het conceptuele onderzoeksmodel beschrijft de onderlinge relaties tussen kernconstructies die duurzame ontwikkeling aansturen. Het model positioneert Technologische Innovatie, Volksgezondheid en Bestuurskwaliteit als directe subelementen die het bredere systeem beïnvloeden. Deze factoren blijken samen te hangen met centrale concepten zoals Milieuduurzaamheid en Economische Complexiteit, die zelf verbonden zijn met Natuurlijke Hulpbronnen en Milieuachteruitgang. Het kader culmineert in een Empirisch Modelvergelijking, waarbij deze relaties worden samengevoegd tot een testbare analytische structuur (Figuur 3).
Empirisch model
Deze studie heeft als doel de relatie te onderzoeken tussen natuurlijke hulpbronnen, milieuachteruitgang, Governance Quality (GQ) en de complexiteit van de economieën van de G7-landen. Wij stellen in dit verband het volgende empirische model voor.
(1)
Laat PH het niveau van natuurlijke hulpbronnen vertegenwoordigen, GQ de kwaliteit van bestuur, LME het niveau van economische ontwikkeling, DI de staat van digitale infrastructuur, SDI economische complexiteit en TI de mate van technologische innovatie. We gebruikten logaritmische notatie voor statistische informatie om precieze en statistisch robuuste resultaten te garanderen.
Ontwikkeling van variabelen
We streven ernaar experimentele gegevens te verzamelen over de correlatie tussen milieudegradatie in de G7-landen van 1990 tot 2022 en factoren zoals digitale infrastructuur, bestuurskwaliteit, ontwikkeling van natuurlijke hulpbronnen, economische complexiteit en economische ontwikkeling. De informatie wordt gepresenteerd in Tabel 1. De Atlas Media-database biedt informatie over LME per hoofd van de bevolking (reguliere 2017 USD), Governance Quality (aantal inschrijvingen op middelbare scholen), economische complexiteit en natuurlijke hulpbronnen. De diepte, toegankelijkheid en efficiëntie van financiële instellingen bepalen de samengestelde indicator van digitale infrastructuur. De nieuwe TI-composietindex omvat CH4, PM2.5, N2O, CO2 en broeikasgas1-uitstoot. Als gevolg hiervan kunnen DI en TI worden weergegeven als:
(2)
(3)
Bovendien zijn de variabelen van deze studie en hun beschrijving weergegeven in Tabel 1. De opname van de Environmental Kuznets Curve (EKC) theorie in vergelijking 4 kan kort worden beschreven als:
(4)
Voorlopige tests
Het initiëren van deze pragmatische benadering houdt in dat empirische datasets worden onderzocht die dwarsdoorsnede-afhankelijkheid vertonen. Onbekende gedeelde schokken, globalisering en ondefinieerbare restafhankelijkheid kunnen allemaal bijdragen aan de aanwezigheid van CSD. Daarnaast faciliteert de CSD-schatting het articuleren van sociale netwerkinteracties en onbekende wederzijdse schokken. Nauwkeurige CSD-schatting verwijdert foutieve en bevooroordeelde parameters, waardoor efficiënte en consistente empirische resultaten mogelijk zijn. Pesaran-geschaalde LM, Breusch-Pagan LM, Bias-gecorrigeerde geschaalde LM en Pesaran CSD-tests worden in huidig onderzoek gebruikt. Breusch-Pagans eerste betrouwbare assays is de LM-test, die Breusch en Pagan46introduceerden. Vergelijking (5) berekent de LM-statistieken als volgt:
(5)
(6)
In de gegeven vergelijkingen duiden ̂ρ2ij, T en N respectievelijk de dwarsdoorsnedecorrelatie van de residuen, de tijdsvariabele en het totale aantal dwarsdoorsneden in het paneel aan. Het verzamelen van empirische gegevens met grote doorsneden is echter niet praktisch. Om deze beperking aan te pakken, introduceerde Pesaran47 het concept van een geschaalde LM-test.
(7)
De LM-test die door Pesaran werd geïntroduceerd, vertoont vervormingen wanneer de steekproefgrootte (T) kleiner is dan het aantal variabelen (N). Daarom een alternatieve CSD-test die kan worden beoordeeld met vergelijking (8):
(8)
Zodra de CSD is vastgesteld, gebruiken we de SH-test om de hellingsvariabiliteit te onderzoeken. Deze test is bijzonder geschikt voor paneldatasets omdat deze dwarsdoorsnede-afhankelijkheid (CSD) meeneemt en wiskundig kan worden weergegeven als:
(9)
(10)
Eenheidswortel- en cointegratietests
Met behulp van tweede-generatie eenheidsworteltests beoordeelt deze studie stationaire eigenschappen. Bij het beoordelen van de gegevens houdt de CADF-eenheidsworteltest rekening met structurele breuken en voert een primaire test uit onder de onderliggende aanname dat het tijdseffect elke doorsnede beïnvloedt en kan worden geïmplementeerd in zowel T > N als N > T. Naast CADF gebruiken we ook de CIPS unit root test, die de CADF voornamelijk gebruikt om het laggetal te verhogen en initiële variaties in de dataset te schatten om te analyseren Eenheidswortels. Zodra stationaire eigenschappen zijn vastgesteld, wordt de langetermijnverbinding tussen de datavariabelen onderzocht met behulp van de Westerlund cointegratietest. De fundamentele ideeën van de Westerlund-methode onderzoeken co-integratie door te bepalen of foutcorrectie voor elke indicator afzonderlijk aanwezig is of voor de gehele set indicatoren. Cointegratie van significante variatie treedt zowel op de lange als op korte termijn op. Verbinding is in de methode verwerkt.
Berekening voor uitgebreide determinanten
CS-ARDL, CCEMG en AMG worden in huidig onderzoek gebruikt als de primaire elementen van analytische strategieën. Ten eerste wordt het in dit werk gebruikt omdat CS-ARDL een effectieve econometrische methode is die zowel korte- als langetermijn-CSD en hellingsheterogeniteit aanpakt. Omdat CS-ARDL betrouwbaar is wanneer variabelen worden gecombineerd in een hybride sequentie, is het ook essentieel voor de beste resultaten. Ten slotte overwint het endogeniteit in het empirische model door gebruik te maken van CS-gemiddelden. De methodologie is zo opgebouwd dat deze voorlopige tests omvat voor Cross-Sectional Dependence (CSD) en Lagrange Multiplier (LM) diagnostiek. De kern van de analytische strategie omvat het Autoregressive Distributed Lag (ARDL)-model om korte- en langetermijndynamiek vast te leggen. Dit wordt aangevuld met twee robuuste schatters, de Common Correlated Effects Mean Group (CCEMG) en de Augmented Mean Group (AMG), om rekening te houden met heterogeniteit en veelvoorkomende factoren in de panelgegevens (Figuur 4).
Eberhardt en Bond48 stelden AMG voor, dat gebruikmaakte van typische dynamische effecten om dwarsdoorsnede-afhankelijkheid te omzeilen. Deze strategie lijkt op CCEMG om problemen met paneldatastatistieken aan te pakken. Statistici stellen dat AMG een veelvoorkomend dynamisch mechanisme is, terwijl CCEMG als een hinder wordt beschouwd. Bovendien berekent CCEMG de lineaire relaties tussen variabelen die van elkaar afhangen en de gemiddelde waarden over verschillende secties. Regressieanalyse wordt vervolgens gebruikt om elke parameter te schatten. AMG daarentegen heeft twee fasen om de gedeelde dynamische effecten van niet-geobserveerde variabelen te beoordelen. Dit houdt in dat de hellingsparameters voor elke regressiegroep worden gescat en dummy-effecten aan de pool OLS worden toegevoegd. Tot slot, om de langetermijn causale relatie tussen de variabelen te bepalen, kozen we ook de Dumitrescu- en Hurlin-causaliteitstest. Wij geven de voorkeur aan deze methode omdat deze kan worden gebruikt voor ongebalanceerde panelen, N > T en N \ T, en het CSD en heterogeniteit kan voorspellen.