É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de método

Heterogeneidade Espacial na Pegada de Carbono dos Investimentos na Belt and Road Avaliada por meio de um Modelo Autoregressivo de Atraso Distribuído Transversal

340 visualizações

⸱

DOI:

10.3791/69602

⸱

19 de dezembro de 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

Neste artigo

Resumo

Este estudo analisa o impacto ambiental do investimento estrangeiro direto (IED) chinês, turismo e inovação nas emissões de carbono em regiões da Iniciativa Belt and Road utilizando modelos econométricos eclométricos espaciais.

Resumo

Este estudo tem como objetivo investigar empiricamente o impacto multifacetado do investimento estrangeiro direto (IED) liderado pela infraestrutura, do desenvolvimento do turismo e da inovação tecnológica na China, nas emissões de carbono nos países participantes da Iniciativa Belt and Road (BRI). Indo além da análise agregada, a pesquisa examina especificamente o efeito sinérgico frequentemente negligenciado entre IED e turismo e explora as heterogeneidades regionais significativas nessas relações ambientais. Metodologicamente, o estudo emprega técnicas de painel de dados de segunda geração para garantir estimativas robustas na presença de dependência de seção transversal e heterogeneidade de inclinação. A análise utiliza os estimadores Cross-Sectional Autoregressive Distributed Lag (CS-ARDL) e Common Correlated Effects Mean Group (CCEMG) em dados de 2000 a 2020 para discernir dinâmicas tanto de curto quanto de longo prazo. As principais descobertas revelam um papel complexo e dualista para o IED. Embora esteja associada à redução das emissões de carbono em amostra completa e em regiões como Sudeste Asiático e Europa, aumenta significativamente as emissões no Sul da Ásia e nos países MENA. De forma crítica, a interação entre IED e desenvolvimento turístico tem agravado as emissões de carbono, indicando que investimentos em infraestrutura amplificam a pegada ambiental do turismo. Além disso, a inovação tecnológica mitiga consistentemente as emissões, e o estudo valida a hipótese da Curva de Kuznets Ambiental (EKC) em todas as amostras. As implicações dessas descobertas são profundas para os formuladores de políticas, ressaltando a necessidade de ir além de abordagens únicas para todos. A principal novidade do estudo está em seu foco explícito no IDE liderado por infraestrutura, na quantificação do efeito de interação entre IED e turismo e em sua inovadora desagregação regional, que coletivamente revelam a natureza contestada e dependente do contexto do legado ambiental da BRI. Essa análise detalhada fornece uma base de evidências crítica para formular políticas específicas e específicas para região, a fim de direcionar a BRI em direção ao seu objetivo declarado de desenvolvimento sustentável.

Introdução

A Iniciativa do Cinturão e Rota (BRI), uma estratégia monumental de desenvolvimento global lançada pela China1, remodelou profundamente o cenário econômico e infraestrutural na Ásia, África eEuropa 2. Ao canalizar níveis sem precedentes de investimento estrangeiro direto (IED) liderado pela infraestrutura para transporte, energia e instalações portuárias, a BRI visa fortalecer a conectividade regional e estimular o crescimento econômico. Um resultado crítico, porém complexo, dessa conectividade aprimorada tem sido o impulso significativo ao desenvolvimento do turismo nos países participantes3, facilitado pela maior acessibilidade e infraestrutura4. No entanto, essa tríade de investimento em infraestrutura, crescimento do turismo e expansão econômica traz implicações ambientais substanciais, especialmente em relação às emissõesde carbono 5. Compreender a interação entre esses fatores é fundamental para alinhar os objetivos econômicos da BRI com metas globais de sustentabilidade, como o Acordo de Paris e os Objetivos de DesenvolvimentoSustentável da ONU 6. Esta pesquisa investiga especificamente as consequências do IDE liderado pela infraestrutura da China, do desenvolvimento do turismo e da inovação tecnológica sobre as emissões de carbono no contexto dos países participantes da BRI.

Existe uma literatura significativa que consolidou a importância do turismo como motor de desenvolvimento econômico, especialmente nos mercadosemergentes 7,8. O setor é ativamente incentivado pelos governos porque gera receitas, contribui para o crescimento do empreendedorismo e minimiza o desemprego9. A indústria tem apresentado forte crescimento global, já que as chegadas de turistas internacionais têm superado as projeções e gerado receitas de bilhões anualmente, uma tendência que tem sido incentivada pelo avanço da tecnologia de comunicação, mudanças nos procedimentos de visto e melhores destinosturísticos 10. Ao mesmo tempo, houve questionamentos sobre a marca ambiental dessecrescimento 11. Uma linha de pesquisa aponta o efeito adverso do turismo, atribuindo-o à correlação direta entre turismo e consumo de energia e emissões de carbono relacionadas aotransporte 12. Além disso, apesar das oportunidades que grandes projetos de infraestrutura da BRI trazem para o setor turístico, eles também são conhecidos por causar imenso estresse ambiental devido à demanda por energia e perturbaçõesecológicas 13.

No entanto, a literatura existente apresenta lacunas críticas que este estudo busca abordar. Primeiro, embora a ligação geral entre turismo e emissões seja reconhecida, as evidências empíricas permanecem ambíguas e frequentemente não levam em conta o contexto único e multifacetado da BRI. O relacionamento não é monolítico; Ela é mediada por uma série de fatores locais, incluindo infraestrutura logística, exposição à instabilidade política, padrões ambientais e condiçõesclimáticas 14. Segundo, uma narrativa concorrente na literatura postula que o turismo, especialmente quando alinhado com princípios e políticas verdes, pode ser um veículo para a sustentabilidade ambiental, e não para adegradação 15. Essa dualidade ressalta uma lacuna significativa de conhecimento: sob quais condições o turismo dentro do quadro da BRI agrava ou mitiga as emissões? Terceiro, o papel do IDE liderado por infraestrutura é frequentemente estudadoisoladamente 16. O efeito sinérgico do IDE e do desenvolvimento do turismo, onde novos aeroportos, estradas e hotéis financiados por IDE permitem e estimulam diretamente o fluxo de turistas, e seu impacto coletivo no meio ambiente, não é bem compreendido. Essa pesquisa aborda diretamente essas lacunas ao conduzir uma análise abrangente e detalhada das consequências ambientais dos motores econômicos da BRI. Os pesquisadores vão além de generalizações amplas para investigar o impacto específico e combinado do IDE liderado por infraestrutura, do desenvolvimento do turismo e da inovação tecnológica nas emissões de carbono. As contribuições deste estudo são três. Primeiro, fornece evidências empíricas inovadoras sobre a interconexão entre investimento em infraestrutura, turismo e emissões de carbono dentro do contexto específico e altamente relevante da Iniciativa da Faixa e Rota. Ao modelar explicitamente a interação entre o desenvolvimento do turismo e o IED, os pesquisadores descobrem se sua combinação cria um efeito sinérgico que amplifica ou mitiga a pressão ambiental, uma dimensão amplamente negligenciada em estudos anteriores17. Segundo, essa pesquisa traz uma contribuição metodológica significativa ao aplicar um modelo CS-ARDL e realizar uma análise regional detalhada. Isso nos permite ir além de conclusões únicas e revelar as consideráveis disparidades regionais em como essas atividades econômicas impactam o meio ambiente.

Revisão da literatura

A indústria do turismo é amplamente reconhecida como um catalisador significativo para o desenvolvimento econômico, especialmente em mercadosemergentes 18. Estudos empíricos demonstram consistentemente sua capacidade de gerar renda, estimular a atividade empreendedora e reduzir o desemprego, levando governos ao redor do mundo a adotar políticas de apoio aosetor 19. Dados históricos destacam esse crescimento dinâmico, com a indústria mantendo uma taxa média anual de cerca de 5%, e chegadas de turistas internacionais projetadas para ultrapassar 1,8bilhão 20, uma projeção frequentemente superada pelos números reais impulsionados pelos avanços em tecnologia de comunicação, infraestrutura turística aprimorada e regulamentação de vistossimplificada 21. No entanto, a contribuição do setor para o crescimento econômico não é uniforme, pois seu sucesso é mediado por uma complexa variedade de fatores locais, incluindo infraestrutura logística, estabilidade política, padrões ambientais e condições climáticas, sugerindo que modelos generalizados de crescimento liderado pelo turismo são frequentementeinadequados 22.

Paralelamente à expansão do turismo, as repercussões ambientais do desenvolvimento econômico ganharam destaque, revelando uma narrativa dualista dentro do discursoacadêmico 23. Uma vertente da literatura associa firmemente o desenvolvimento do turismo ao aumento do consumo de energia e às emissões de carbono relacionadas ao transporte, posicionando a indústria como um contribuinte significativo para a degradaçãoambiental 24. Isso é particularmente relevante no contexto de iniciativas de grande escala como a Iniciativa da Rota e Cinturão da China (BRI), que, por meio do investimento estrangeiro direto (IED) liderado por infraestrutura, melhora a conectividade e estimula o turismo e a atividade econômica, mas simultaneamente cria pressões ambientais substanciais por meio do aumento da demanda energética e da perturbação ecológica25. Em contraste, uma perspectiva acadêmica concorrente enfatiza o potencial do turismo sustentável, argumentando que o ecoturismo e políticas verdes podem mitigar a poluição e garantir a sustentabilidade ecológica a longo prazo, alinhando assim o crescimento econômico com a gestão ambiental26. Essa dualidade se estende ao papel do IDE, que pode ser fonte tanto de tecnologias poluentes quanto de inovações avançadas e ambientalmente amigáveis, criando uma ambiguidade empírica que se complica ainda mais quando o IED é especificamente direcionado para infraestrutura que possibilita o crescimentodo turismo 27.

As complexas interconexões entre turismo, investimento e meio ambiente exigem uma investigação mais profunda dos fatores moderadores e dos quadrosteóricos 28. A inovação tecnológica é frequentemente citada como um mecanismo crítico para desacoplar o crescimento econômico das emissões, por meio da adoção de energia renovável e tecnologiasverdes 29. Além disso, a base teórica da hipótese da Curva de Kuznets Ambiental (EKC) fornece uma estrutura para testar a relação entre desenvolvimento econômico e degradação ambiental, sugerindo que as emissões podem inicialmente aumentar com a renda antes de eventualmente diminuir30. O potencial transformador da BRI, com projeções sugerindo que suas economias podem representar metade do PIB global até 2030, a torna um estudo de caso crítico para examinar essasdinâmicas 31. No entanto, permanece uma lacuna significativa na literatura: a falta de estudos empíricos e sutis que modelem simultaneamente o impacto combinado do IDE liderado por infraestrutura, do desenvolvimento do turismo e do progresso tecnológico nas emissões de carbono nas regiões heterogêneas da BRI (Figura 1)32. Pesquisas existentes frequentemente tratam esses fatores isoladamente, falhando em capturar seus efeitos sinérgicos e variações regionais, uma lacuna que esta pesquisa busca preencher empregando uma abordagem metodológica que considere tanto os efeitos correlacionados comuns quanto as disparidades transversais33.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Este estudo utilizou exclusivamente dados macroeconômicos secundários públicos de fontes oficiais, incluindo os Indicadores de Desenvolvimento Mundial (WDI) do Banco Mundial e o Ministério do Comércio da República Popular da China (MOFCOM). Os dados brutos subjacentes estão disponíveis publicamente pelo Banco Mundial (https://databank.worldbank.org/source/world-development-indicators) e pelo Ministério do Comércio da China (MOFCOM). Nenhum humano ou animal esteve envolvido na pesquisa. Assim, este estudo não exigiu revisão ou aprovação por um conselho de revisão institucional (IRB) ou comitê de ética.

Construção de dados e variáveis

Esta pesquisa analisa o EKC nos países junto com a BRI e examina a correlação entre os estoques de IED externos chineses e as emissões de carbono. Geralmente, os efeitos da atividade econômica sobre o meio ambiente podem ser divididos em três categorias: abrange o que os autores denominaram de efeito Inovação Tecnológica (TI), efeito composição industrial e efeito escala econômica. Portanto, além das principais características do estudo, os autores estão retratando essas características críticas. A seguir está uma percepção dessa correlação:

Equação 1(1)

Neste modelo, várias variáveis são usadas para representar diversos indicadores econômicos. Estes incluem:

CO2: emissões de carbono, TD: estoques chineses de investimento estrangeiro direto em países da Iniciativa Belt and Road, TI: índices TD, PIB: produto interno bruto, SQGDP: quadrados do PIB (usado para denotar a Curva de Kuznets Ambiental) e IVA: valor agregado industrial.

O modelo usa um subscrito para indicar o número de países e um subscrito ε{it} para indicar o tempo. Os parâmetros no modelo são representados por β{1} + β{2} + β{3} + β{4} + β{5} + β{6} e β{7} . O termo μ{i} refere-se a um fator específico de seção transversal, ε{it}, e representa a expressão equivocada.

A BRI melhorou consideravelmente a comunicação entre a China e outras nações contribuintes, impactando significativamente o uso de energia, o crescimento fiscal e as condições ambientais. As medidas tomadas pelo governo chinês para desenvolver a BRI verde em conformidade com o Acordo de Paris (2015) e os ODS 2030 incluem a difusão de vantagens tecnológicas e o crescimento de uma infraestrutura energética eficiente e ambientalmenteamigável 34. Gu eZhou, 35 anos, examinaram projetos de energia limpa recentemente construídos em países da BRI, com 16 GW de capacidade instalada, e ajudaram a reduzir as emissões de gases de efeito estufa em 49 toneladas métricas, reafirmando essas abordagens. Além disso, Li et al.36 sugeriram que a Iniciativa do Cinturão e Rota aumenta a eficácia energética e o desenvolvimento econômico do país anfitrião ao construir instalações energéticas e logísticas confiáveis. No entanto, o IDE da China agrava os problemas ecológicos nos países anfitriões devido à crescente demanda por energia e recursos naturais. Dependendo dessa lógica, projeta-se que o investimento estrangeiro direto da China no exterior possa ter um impacto nas emissões de carbono em vários lugares que seja tanto benéfico quanto prejudicial:

Equação 7

No estudo mais recente, Bekun et al.37 investigaram a hipótese de que as receitas do turismo contribuem para a redução das emissões, mas a chegada de visitantes tem o efeito oposto. Além disso, a síntese dos estudos científicos (ver Tabela 1) enfatizou que variáveis turísticas causaram consequências ambientais específicas. Para cumprir o processo, esta pesquisa realiza um indicador acumulado de engajamento turístico que ajuda a remover o viés subjetivo. O indicador geral de negócios turísticos pode ter um efeito benéfico ou prejudicial sobre o CO2.

Equação 8

Comparável ao aumento da conectividade, menos barreiras à concorrência (incluindo pessoas e mercadorias), envios mais rápidos e melhoria da infraestrutura entre os países membros da BRI incentivam a expansão da indústria turística, o que pode ter um efeito fundamental na qualidade ambiental, dado as características inerentes à economia do turismo, pode ser vantajoso.

Equação 9

Dada a natureza fundamental da atividade econômica, é necessário mais consumo de energia e combustível, o que resulta em aumento do CO2. No entanto, o avanço tecnológico para criar produtos e procedimentos ecologicamente corretos, bem como as mudanças impulsionadas pela inovação no fornecimento de energia, podem impactar significativamente a sustentabilidade ambiental. O TI reduz as emissões de dióxido de carbono dessa forma.

Equação 10

A teoria do EKC é apoiada pelo crescimento econômico ligado ao aumento do consumode energia 38, o que eleva os níveis de emissões, mas o quadrado do desenvolvimento na economia reduz as emissões de dióxido de carbono.

Equação 11

Um elemento-chave que influencia as emissões de dióxido de carbono das nações anfitriãs é a composição comercial dessas nações (Tabela 2). O IVA pode ter um efeito benéfico nas emissões de CO2, já que a crescente importância da indústria nos países vizinhos da BRI resultará em aumento no consumo de energia e nas emissõesassociadas 39.

Equação 12

Fonte de dados e seleção de amostras

A importância das nações da BRI baseia-se na suposição de que elas representam 30% do PIB mundial, 64% de seus habitantes, 39% de seu território, 35% do comércio, 50% do uso de energia e 54% de suas emissões deCO2. Além desses dados, a área da BRI experimentou um enorme crescimento no IDE chinês, tornando-se a plataforma de colaboração mais eficaz do mundo. Consequentemente, os autores investigam os efeitos ecológicos do investimento estrangeiro direto de saída, TD e TI da China, nas 2 (54) nações de nós de Belting e Roads escolhidas entre 2000 e 2020. Para isso, o artigo utiliza dados anuais sobre emissões deCO2 (toneladas métricas), estoques de investimento estrangeiro direto de saída chinesa (US$ constante de 2010), o indicador TD (para mais informações, veja a Tabela 3) e o índice total (TI), que é calculado como o valor total de patentes (para habitantes e imigrantes), o PIB (US$ contínuo de 2011). e os valores manufatureiros (% do PIB). É crucial fornecer uma estatística de teste consistente ao resolver o problema dos atributos diferenciais, pois esses fatores apresentam unidades de medição diversas. Considerando pesquisas anteriores, os autores transformaram todos os aspectos no modelo de regressão, que produz resultados na forma de elasticidade que facilitam a interpretação dos dados. Além do capital estrangeiro chinês de investimento estrangeiro direto, que é retirado do Departamento de Economia e Comércio da China, as informações sobre esses fatores são retiradas do Índice Mundial de Desenvolvimento (WDI).

Índice TD

Diversas métricas são empregadas em estudos de turismo para descrever atividades turísticas. Receitas do turismo41, gastos turísticos em Pata e Balsalobre-Lorente42, e dados deadmissões 43 são usados para quantificar a demanda turística abrangente. Esses modelos turísticos apresentam várias desvantagens porque representam apenas uma parte da relação entre poluentes. Essas três variáveis turísticas são muito colineares e, se forem utilizadas simultaneamente em um quadro unificado, pode resultar na questão da multicolinearidade. Segundo Meng et al.44, a PCA combina flutuações comuns de todas as variáveis turísticas em uma pontuação acumulada única. Essas métricas turísticas são extraídas do conjunto de dados WDI, que ajuda a criar um indicador composto distinto ao fundir os dados muito críticos.

Índice TD até PCA

O índice de Desenvolvimento do Turismo (TD) foi construído usando a Análise de Componentes Principais (PCA) para consolidar as três variáveis altamente correlacionadas do turismo (receitas e despesas internacionais de turismo) em uma única pontuação composta. A adequação dos dados para PCA foi validada inicialmente usando dois testes padrão. A medida de adequação amostral da Kaiser-Meyer-Olkin (KMO) apresentou um valor de 0,723, excedendo o limiar recomendado de 0,6, indicando que os padrões de correlação eram compactos e, portanto, adequados para análise fatorial. Além disso, o Teste de Esfericidade de Bartlett foi estatisticamente significativo (p < 0,001), confirmando que a matriz de correlação não era uma matriz identidade e que as variáveis estavam suficientemente correlacionadas para a ACP. Com base no critério de Kaiser (autovalor > 1), apenas o primeiro componente principal foi mantido. Esse componente explicou satisfatoriamente mais de 81% da variância total entre as três variáveis do turismo. As cargas fatoriais para as três variáveis foram positivas e altas, apoiando uma ponderação balanceada no cálculo do índice final. As pontuações resultantes do índice TD variaram de -0,681 a 5,157 para a amostra, onde um valor menor indica um nível menor de desenvolvimento turístico, e um valor maior indica um nível maior de desenvolvimento turístico entre as nações da BRI.

Estrutura analítica

Os pesquisadores iniciaram a análise testando duas propriedades essenciais dos dados do painel: dependência transversal (CSD), que indica interconexão entre países, e heterogeneidade de inclinação (SH), que indica que as relações entre variáveis diferem entre países. Confirmar essas propriedades foi um passo crítico, pois exigiu o uso de testes econométricos especializados de segunda geração para resultados precisos.

Dependência da seção transversal (CSD) e heterogeneidade da inclinação (SH)

A premissa de variabilidade inclinada e dependência transversal mantida pelos testes de raiz unitária (UR; incluindo testes IPS UR suplementares de CS) e cointegração torna necessário verificar antes de avançar para a ordem de integração do fator. Devido às rápidas flutuações nos projetos financeiros e monetários sucedidas por mudanças na economia, o colapso bancário, a globalização, a interconexão dos royalties e a ausência de elementos visuais e comuns não detectados, as séries de dados inevitavelmente colocam o problema da CSD. Antes de usar a UR e os testes de cointegração, o CSD nos permite selecionar o método mais eficaz para resolver os problemas revelados. A pesquisa utilizou uma abordagem mais sofisticada baseada em Tang et al.45, testes de CD para validar a CSD. Além disso, o artigo adota o teste de Zhuang et al.46, SH, que é melhor do que análises convencionais de heterogeneidade como a SURE, que não permitem CSD nospainéis 47. As fórmulas de análise de heterogeneidade de inclinação são as seguintes:

Equação 13(2)

Equação 14(3)

Teste de raízes unitárias (URT)

Uma fase adicional é usar os experimentos adequados com raízes unitárias para garantir a ordem de integração após a verificação da heterogeneidade do CSD e da inclinação. A ordem de integração para todos os fatores é determinada pelos modelos Dickey-Fuller (CADF) e IPS aprimorado transversalmente (CIPS) com aumento transversal. Testes de primeira geração são os dois URT iniciais, enquanto análises SGN são os terceiros URTs. Como permite CSD enquanto calcula raízes unitárias variáveis, o CIPS é melhor. Os testes convencionais de raiz unitária em painel dão resultados falsos quando a CSD está presente. Apesar disso, a pesquisa atual emprega testes básicos e sofisticados de raiz unitária para estimativas objetivas e consistentes. A seguir está a equação CIPS:

Equação 15(4)

A Equação abaixo usa o símbolo para indicar a média entre diferentes seções.

Equação 17(5)

Os testes estatísticos CIPS são os seguintes:

Equação 18(6)

Testes de cointegração em painel

Os autores então estimam a conexão de cointegração entre as emissões de dióxido de carbono e suas causas, incluindo o IED de saída chinês, TD, TI e expansão econômica, após confirmar CDS, heterogeneidade de inclinação e nível de estacionariedade da variação. A pesquisa faz isso utilizando a abordagem de cointegração em painéis, que gera previsões realistas quando fatores erróneos dependem de seções transversais e os painéis são diversos. Como esse teste não impõe restrições típicas de elementos ao considerar CSD e quebras estruturais, ele é preferível aos testes de cointegração de primeira geração. Além disso, métodos tradicionais de estimação em painel que usam heterogeneidade não observada, modelos de efeito fixo e variáveis instrumentais não consideram a CSD da variância constante, resultando em estimativas imprecisas. Em contraste com o teste de cointegração de segunda geração, a técnica de cointegração em painel aborda quebras estruturais em vários locais para cada seção transversal, além de CSD, SH e correlação serial de expressões erradas. O artigo inclui o teste de cointegração. A quebra estrutural e as mudanças de paradigma afetam valores genuínos. Esta análise fornece previsões de cointegração sem poluição, quebra de nível ou mudança de paradigma (Tabela 4).

Atrasos distribuídos autoregressivos aumentados transversalmente

Os autores podem agora considerar avaliações experimentais da conexão de longo prazo entre os gases de efeito estufa e seus fatores impulsionadores. O modelo tradicional de predição pressupõe estabilidade transversal, o que não ocorre nas investigações iniciais. Considerando que a quantidade de poluição por carbono é controlada por variáveis relevantes não vistas que induzem a dependência de termos de erro transversal, essa é uma hipótese implausível. Vários fatores, incluindo o aumento desigual e repentino do IDE externo chinês e a mudança nos arcabouços financeiros e políticos, conferem credibilidade conceitual à dependência transversal do programa do Cinturão e Rota. Isso ocorre porque as características naturais podem ser distorcidas pela presença de variáveis relevantes não vistas que estão ligadas à análise de regressão. A estimativa CS-ARDL oferece a melhor solução para o problema da dependência da seção transversal e da heterogeneidade da inclinação. Proponha uma estratégia dinâmica de efeitos correlacionados comuns que o método CS-ARDL utiliza para tratar dessas preocupações. Isso nos leva à seguinte derivação da fórmula CS-ARDL:

Equação 19(7)

Modelos simples de atrasos distribuídos autoregressivos (ARDL) possuem a função linear mostrada acima na Equação (7); Se os autores continuarem com essa fórmula, obterão resultados mistos dependendo se ocorrerem dependências transversais. A equação (7) é generalizada para fornecer a Equação (8) por meio da média sobre seções eficazes. O impacto do ponto de corte só está presente se a dependência transversal for considerada, e esse procedimento ajudará a eliminar essa suposição potencialmente enganosa.

Equação 20(8)

Onde Xt-1 = (CO2i,t–1, Zi,t–1) pode ser considerado como a média das variáveis dependentes e independentes, Pw,P z,P x Identifique todos os atrasos dentro de cada parâmetro. CO2i,t, emissões de dióxido de carbono (tCO2) são um exemplo de variável dependente, e Zi,t é um vetor que inclui todos os diferentes fatores. Médias de seção transversal (incluindo variáveis de tempo fictícias ou padrão) são mostradas por X demonstrando como podem ser usadas para evitar a CSD causada por efeitos cascata. O CS-ARDL usa coeficientes de curto prazo como entradas para calcular coeficientes de longo prazo. Para o estimador médio de números e o coeficiente de longo prazo.

Equação 26(9)

O grupo médio é dado como:

Equação 27(10)

Coeficientes de curto prazo são estimados como:

Equação 28(11)

Onde,

Equação 29(12)

Equação 30(13)

 Equação 31(14)

 Equação 32(15)

Em caso de perturbação ou do período necessário para alcançar equilíbrio constante, os procedimentos de correção de erros para CS-ARDLs são comparáveis a um painel médio organizado, que define o ritmo de modificação rumo a um equilíbrio prolongado.

Estimadores de robustez

Os procedimentos tradicionais de estimativa são extremamente contrários à existência reconhecida por este comitê de heterogeneidade de inclinação e decomposição de variância. Além disso, a pesquisa utiliza a medida do Painel Médio de Efeito Conexo Comum estabelecida por Pesaran para confirmar coisas semelhantes. Mesmo com CSD, heterogeneidade, endogeneidade e não estacionaridade, o CCEMG pode ser usado de forma eficaz (Tabela 5). Também apresenta problemas de correlação, especialmente com as divisões transversais. A seguir está a fórmula CCEMG:

Equação 33(16)

Causalidade de Granger

A causalidade de Granger é usada para analisar os componentes do artigo e sua possível relação de contribuição. Devido às suas suposições centrais, esse método funciona melhor com displays diversos. Contra o teste de hipótese de causalidade entre variáveis, a hipótese nula da análise de regressão múltipla DH é que não há causalidade. A seguir está uma descrição da estrutura prática do teste de causalidade DH Granger:

Equação 34(17)

Para um modelo autorregressivo, o estimador é denotado por j e as variáveis autorregressivas são representadas por βj(j)

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Os resultados apresentados demonstram efetivamente a utilidade da técnica de Atraso Autoregressivo Distribuído Aumentado Transseccionalmente (CS-ARDL) na captura de relações econômicas complexas do mundo real (Figura 2). Por exemplo, o impacto divergente de longo prazo do Investimento Direto Estrangeiro (IED) nas emissões de carbono é negativo em algumas regiões, como o Sudeste Asiático, mas positivo em outras, como o Sul da Ásia, exemplificando a heterogeneidade de inclinação que o modelo C...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

Os resultados desse trabalho empírico fornecem uma história rica e sutil sobre o possível impacto ambiental da integração econômica dentro do âmbito da Iniciativa do Cinturão e Rota, transcendendo as dicotomias simplistas que tendem a definir a literatura. Testar a heterogeneidade da inclinação e a dependência da seção transversal não deve ser introduzido como uma prática metodológica desde o início, mas sim como um ponto básico; deve-se reconhecer que as relações entre IED, turismo, tec...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Todos os autores declaram não haver conflitos de interesse.

Agradecimentos

Nenhum financiamento foi recebido para esse trabalho de pesquisa.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Análise de causalidadeTeste de Causalidade de Granger em Painel Heterogêneo por Dumitrescu e Hurlin (2012)Determinar a direção das relações causais entre as variáveis (por exemplo, o IED Granger causa emissões de CO2?).
Teste de Dependência Transversal (CSD)Teste de Dependência Transversal (CD) de Pesaran (2015)Testar diagnosticamente a hipótese nula da independência da seção transversal entre os termos de erro das unidades painel.
Termo de Interação FDI-TDCalculado como o produto da série de índices de IED e Desenvolvimento do Turismo (TD).Capturar o efeito sinérgico ou moderador que o IDE liderado pela infraestrutura tem na relação entre o desenvolvimento do turismo e as emissões de carbono.
Dados de Investimento Direto Estrangeiro (IED)Ministério do Comércio da República Popular da China (MOFCOM)Fonte de dados sobre estoques chineses de IED para os países da Iniciativa da Cinturão e Rota (BRI).
Estimativa de Curto e Longo e Curto PrazoModelo de Atraso Distribuído Autoregressivo Transversal (CS-ARDL)O estimador primário para derivar tanto coeficientes de curto quanto de longo prazo para o impacto de variáveis independentes nas emissões de CO2, levando em conta a CSD e a heterogeneidade.
Dados do Painel MacroeconômicoBanco Mundial, Indicadores de Desenvolvimento Mundial (WDI)Fonte primária de dados sobre emissões de CO2, PIB, Valor Agregado Industrial (IVA) e métricas de turismo (chegadas, receitas).
Testes de Cointegração em PainelTeste de cointegração Westerlund e Edgerton (2008) com quebras estruturaisTestar a existência de uma relação de cointegração de longo prazo entre as variáveis, levando em conta CSD e quebras estruturais.
Estimador de Verificação de RobustezGrupo Médio de Efeitos Comuns Correlacionados (CCEMG)Um estimador alternativo foi usado para verificar a robustez dos coeficientes de longo prazo obtidos a partir do modelo CS-ARDL.
Testes Raiz Unitários de Segunda GeraçãoDickey-Fuller Aumentado Transversal (CADF) e IPS Aumentado em Seção Transversal (CIPS)Determinar a ordem de integração das variáveis (CO2, FDI, TD, TI, PIB, IVA) na presença de dependência transversal.
Teste de Heterogeneidade de Inclinação (SH)Pesaran e Yamagata (2008) Testes Delta e Delta modificadosTestar diagnosticamente a hipótese nula de inclinações homogêneas ao longo das seções eficazes no painel.
PIB ao quadrado (SQGDP)Calculado como o quadrado da série PIB per capita (ou PIB total).Testar empiricamente a presença da hipótese da Curva de Kuznets Ambiental (EKC) no modelo.
Pacote de Software EstatísticoNão especificado no protocolo, mas essencial para análise (por exemplo, Stata, R, EViews)Plataforma para gerenciamento de dados, construção de variáveis e execução de todos os testes e estimativas econométricas (CSD, SH, raiz unitária, cointegração, CS-ARDL, CCEMG, causalidade).
Dados de Inovação TecnológicaBanco Mundial, Indicadores de Desenvolvimento Mundial (WDI)Fonte para dados de patentes (residentes e não residentes) usados para construir o índice de Inovação em Tecnologia (TI).
Índice de Desenvolvimento do Turismo (TD)A Análise de Componentes Principais (PCA) aplicada-se às chegadas, receitas e despesas do turismo.Criar um único índice composto que capture a atividade turística geral e evite multicolinearidade ao usar métricas individuais de turismo.

Referências

  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).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Explorar mais artigos

Investimento Estrangeiro DiretoDesenvolvimento do TurismoInovação TecnológicaHeterogeneidade RegionalARDL TransversalAnálise de Dados em PainelCurva Ambiental de KuznetsInvestimento em Infraestrutura

Este artigo foi publicado

Vídeo em breve

Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.