Este estudo emprega uma estratégia empírica abrangente para investigar as dinâmicas interdependentes da inovação tecnológica, equidade em saúde pública, governança e desenvolvimento sustentável dentro das nações do G7 de 1990 a 2022. A análise utiliza técnicas avançadas de dados em painel, incluindo modelos de Atraso Distribuido Autoregressivo Transversal (CS-ARDL) e Grupo Médio de Efeitos Comuns Correlatos (CCEMG), que são selecionados para levar em conta robustamente a dependência de seções transversais e a heterogeneidade das inclinações entre economias. Testes preliminares confirmam a estacionariedade dos dados e estabelecem a cointegração de longo prazo entre as variáveis centrais. A metodologia fornece, assim, uma estrutura rigorosa para desembaraçar relações de curto e longo prazo e testar a tríade sinérgica proposta.
Contexto teórico e estratégia empírica
A transição para o desenvolvimento sustentável exige mudanças estruturais profundas dentro das economias avançadas, especialmente diante das crescentes pressões das mudanças climáticas e da degradação ambiental. A trajetória histórica das nações do G7 foi caracterizada por modelos econômicos que dependem fortemente da extração e consumo intensivos de recursos naturais, um caminho fundamentalmente insustentável. Em resposta, a intervenção governamental tornou-se crítica, manifestando-se principalmente em políticas industriais voltadas a desvincular o crescimento econômico dos danos ecológicos. Essas intervenções incluem mandatos para a conservação de recursos, a promoção de técnicas inovadoras de produção para reduzir emissões e garantir conformidade regulatória, além de mudanças estratégicas nos sistemas energéticos para fontes renováveis como a geotérmica, para substituir os combustíveis fósseis. O desafio central, portanto, está em orquestrar uma transformação estrutural que reconcilie objetivos econômicos com fronteiras planetárias.
Para conceituar essa transformação, a lente da complexidade econômica é instrutiva. Ele defende que o poder econômico de uma nação deriva de sua capacidade de aproveitar conhecimento avançado e capacidades especializadas para produzir bens e serviços sofisticados. No entanto, a relação entre essa complexidade e a sustentabilidade ambiental não é determinística. Como articulado pelo Índice de Desenvolvimento Sustentável (IDS) de uma nação, pode ser modelado em função de sua produtividade multifacetada (β = PMF/IDS), revelando uma tensão crítica. Por um lado, o desenvolvimento industrial sofisticado (SDI) pode intensificar a degradação ambiental por meio do esgotamento de recursos e geração de resíduos, um risco para economias presas à manufatura tradicional e intensiva em recursos. Por outro lado, essa mesma complexidade pode ser direcionada para estratégias industriais verdes, promovendo a inovação tecnológica que enfrente desafios ambientais e atenda à crescente demanda por energia renovável. O modelo conceitual de pesquisa retrata as inter-relações entre construtos centrais que impulsionam o desenvolvimento sustentável. O modelo posiciona Inovação Tecnológica, Saúde Pública e Qualidade da Governança como subelementos diretos que influenciam o sistema mais amplo. Esses fatores demonstram inter-ligar conceitos centrais como Sustentabilidade Ambiental e Complexidade Econômica, que por sua vez estão ligados aos Recursos Naturais e à Deterioração Ambiental. A estrutura culmina em uma Equação do Modelo Empírico, sintetizando essas relações em uma estrutura analítica testável (Figura 3).
Modelo empírico
Este estudo tem como objetivo examinar a relação entre recursos naturais, deterioração ambiental, Qualidade da Governança (GQ) e a complexidade das economias das nações do G7. Sugerimos o seguinte modelo empírico nesse sentido.
(1)
Seja PH representar o nível de abundância de recursos naturais, GQ a qualidade da governança, LME o nível de desenvolvimento econômico, DI o estado da infraestrutura digital, SDI a complexidade econômica e TI o grau de inovação tecnológica. Empregamos notação logarítmica para informações estatísticas a fim de garantir resultados precisos e estatisticamente robustos.
Desenvolvimento das variáveis
Nosso objetivo é coletar dados experimentais sobre a correlação entre a degradação ambiental nas nações do G7 de 1990 a 2022 e fatores como Infraestrutura Digital, Qualidade da Governança, Desenvolvimento de Recursos Naturais, complexidade econômica e desenvolvimento econômico. As informações são apresentadas na Tabela 1. O banco de dados Atlas Media oferece informações sobre LME per capita (USD regular de 2017), Qualidade da Governança (número de matrículas no ensino médio), complexidade econômica e recursos naturais. A profundidade, acessibilidade e eficiência das instituições financeiras determinam o indicador composto da infraestrutura digital. O novo índice composto TI compreende as emissões de CH4, PM2.5, N2O, CO2 e GEE1. Como resultado, DI e TI podem ser mostrados como:
(2)
(3)
Além disso, as variáveis deste estudo e sua descrição são apresentadas na Tabela 1. A incorporação da teoria da Curva de Kuznets Ambiental (EKC) na equação 4 pode ser brevemente descrita como:
(4)
Testes preliminares
Iniciar essa abordagem pragmática envolve examinar conjuntos de dados empíricos que exibem dependência transversal. Choques compartilhados desconhecidos, globalização e dependência residual indefinível podem contribuir para a presença da CSD. Além disso, a estimativa da CSD facilita a articulação das interações em redes sociais e choques mútuos desconhecidos. A estimativa precisa do CSD remove parâmetros errôneos e tendenciosos, permitindo resultados empíricos eficientes e consistentes. LM em escala de Pesaran, LM de Breusch-Pagan, LM de escala corrigida por viés e testes de CSD de Pesaran são usados em pesquisas atuais. O primeiro dos ensaios confiáveis de Breusch-Pagan é o teste LM, que Breusch e Pagan46introduziram. A equação (5) calcula as estatísticas do LM da seguinte forma:
(5)
(6)
Nas equações dadas, ̂ρ2ij, T e N denotam, respectivamente, a correlação de seção transversal dos resíduos, da variável de tempo e do número total de seções no painel. No entanto, coletar dados empíricos com vastas seções eficazes não é prático. Para resolver essa limitação, oPesaran 47 introduziu o conceito de um teste de LM escalado.
(7)
O teste LM introduzido por Pesaran apresenta distorções quando o tamanho da amostra (T) é menor que o número de variáveis (N). Portanto, um teste alternativo de CSD que pode ser avaliado usando a equação (8):
(8)
Uma vez que o CSD é determinado, empregamos o teste SH para investigar a variabilidade da inclinação. Este teste é particularmente adequado para conjuntos de dados em painel porque considera a dependência transversal (CSD) e pode ser representado matematicamente como:
(9)
(10)
Testes unitários de raiz e cointegração
Utilizando testes de raiz unitária de segunda geração, este estudo avalia as qualidades estacionárias. Ao avaliar os dados, o teste de raiz unitária CADF leva em conta quebras estruturais e realiza um teste primário sob a suposição subjacente de que o efeito temporal afeta cada seção transversal e pode ser implementado tanto em T > N quanto em N > T. Além do CADF, também empregamos o teste de raiz unitária CIPS, que utiliza principalmente o CADF para aumentar o número de atraso e estimar variações iniciais no conjunto de dados a fim de analisar raízes unitárias. Uma vez estabelecidas as propriedades estacionárias, a conexão de longo prazo entre as variáveis de dados é examinada usando o teste de cointegração de Westerlund. As ideias fundamentais do método de Westerlund investigam a cointegração determinando se a correção de erro está presente para cada indicador separadamente ou para todo o conjunto de indicadores. A cointegração significativa ocorre tanto no longo quanto no curto prazo. A conexão é incorporada ao método.
Cálculo para determinantes estendidos
CS-ARDL, CCEMG e AMG são usados em pesquisas atuais como os principais elementos das estratégias analíticas. Primeiramente, ele é usado neste trabalho porque o CS-ARDL é um método econométrico eficaz que aborda tanto a CSD de curto e longo prazo quanto a heterogeneidade de inclinação. Como o CS-ARDL é confiável quando variáveis são combinadas em sequência híbrida, ele também é essencial para obter os melhores resultados. Por fim, ele supera a endogeneidade no modelo empírico usando médias de CS. A metodologia é estruturada para incluir testes preliminares para diagnósticos de Dependência Transversal (CSD) e Multiplicador de Lagrange (LM). A estratégia analítica central envolve o modelo Autoregressive Distributed Lag (ARDL) para capturar dinâmicas de curto e longo prazo. Isso é complementado por dois estimadores robustos, o Grupo de Média de Efeitos Comuns Correlacionados (CCEMG) e o Grupo de Média Aumentada (AMG), para levar em conta a heterogeneidade e fatores comuns nos dados do painel (Figura 4).
Eberhardt eBond 48 propuseram a AMG, que utilizou efeitos dinâmicos típicos para contornar a dependência transversal. Essa estratégia é como o CCEMG para lidar com questões relacionadas a estatísticas de dados em painel. Estatísticos argumentam que a AMG é um mecanismo dinâmico prevalente, enquanto a CCEMG é considerada um incômodo. Além disso, o CCEMG calcula as relações lineares entre variáveis que dependem umas das outras e os valores médios entre diferentes seções. A análise de regressão é então usada para estimar cada parâmetro. Por outro lado, a AMG possui dois estágios para avaliar os efeitos dinâmicos compartilhados de variáveis não observadas. Isso envolve estimar os parâmetros de inclinação para cada grupo de regressão e adicionar efeitos fictícios ao OLS do pool. Por fim, para determinar a relação causal de longo prazo entre as variáveis, também selecionamos o teste de causalidade de Dumitrescu e Hurlin. Preferimos esse método porque pode ser usado para painéis desbalanceados, N > T e N \ T, e pode prever CSD e heterogeneidade.