Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Пространственная гетерогенность углеродного следа, полученного от инвестиций в программу «Пояс и путь», оцениваемая с помощью модели поперечного авторегрессивного распределённого лага

343 просмотров

⸱

DOI:

10.3791/69602

⸱

19 декабря 2025 г.

 ,  ,  ,  ,  ,  , 
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

В этой статье

Краткое содержание

В данном исследовании анализируется экологическое воздействие китайских прямых иностранных инвестиций (ПИИ), туризма и инноваций на выбросы углерода в регионах инициативы «Пояс и путь» с использованием пространственных эконометрических моделей.

Аннотация

Данное исследование направлено на эмпирическое исследование многогранного влияния инфраструктурных прямых иностранных инвестиций (ПИИ), развития туризма и технологических инноваций Китая на выбросы углерода в странах-участниках инициативы «Пояс и путь» (BRI). Выходя за рамки агрегированного анализа, исследование специально рассматривает часто упускаемый из виду синергетический эффект между ПИИ и туризмом и рассматривает значительные региональные гетерогенности в этих экологических взаимосвязях. Методологически исследование использует методы панельных данных второго поколения для обеспечения надёжных оценок при наличии поперечной зависимости и гетерогенности наклонов. Анализ использует оценки Cross-Sectional Autoregressive Distributed Lag (CS-ARDL) и Common Correlated Effects Average Group (CCEMG) на данных с 2000 по 2020 годы для выявления как краткосрочной, так и долгосрочной динамики. Ключевые результаты показывают сложную и дуалистическую роль ПИИ. Хотя он связан со снижением выбросов углерода в полном отборе и в таких регионах, как Юго-Восточная Азия и Европа, он значительно увеличивает выбросы в Южной Азии и странах MENA. Критически важно, что взаимодействие между ПИИ и развитием туризма усугубляет выбросы углерода, что свидетельствует о том, что инвестиции в инфраструктуру усиливают экологический след туризма. Кроме того, технологические инновации стабильно снижают выбросы, и исследование подтверждает гипотезу экологической кривой Кузнеца (EKC) для всех образцов. Последствия этих выводов глубокие для политиков, подчёркивая необходимость выйти за рамки универсальных подходов. Основная новизна исследования заключается в явном акценте на инфраструктурных ПИИ, количественной оценке эффекта взаимодействия ПИИ и туризма и новаторском региональном разборе, которые вместе раскрывают спорный и контекстно-зависимый характер экологического наследия BRI. Этот детальный анализ предоставляет критически важную доказательствовую базу для формулировки целевых, региональных политик, направленных на продвижение BRI к заявленной цели устойчивого развития.

Введение

Инициатива «Пояс и путь» (BRI), грандиозная глобальная стратегия развития, запущенная China1, глубоко изменила экономический и инфраструктурный ландшафт Азии, Африки иЕвропы 2. Направляя беспрецедентный уровень прямых иностранных инвестиций, основанных на инфраструктуре (ПИИ) в транспорт, энергетику и портовые объекты, BRI направлен на укрепление региональной связности и стимулирование экономического роста. Ключевым, но сложным результатом этой улучшенной связи стал значительный импульс развития туризма встранах-участницах 3, способствующий улучшению доступности иинфраструктуры 4. Однако эта триада инвестиций в инфраструктуру, рост туризма и экономическое расширение несёт значительные экологические последствия, особенно в отношении выбросовуглерода 5. Понимание взаимосвязи между этими факторами крайне важно для согласования экономических целей BRI с глобальными целями устойчивого развития, такими как Парижское соглашение и Цели устойчивого развитияООН 6. В данном исследовании конкретно изучаются последствия инфраструктурных ПИИ, развития туризма и технологических инноваций Китая на выбросы углерода в контексте стран-участников BRI.

Существует значительная литература, которая закрепила важность туризма как драйвера экономического развития, особенно на развивающихсярынках 7,8. Сектор активно поддерживается правительствами, поскольку он приносит доходы, способствует развитию предпринимательства и минимизируетбезработицу 9. Отрасль демонстрирует значительный рост во всём мире, поскольку международные туристические прибытия превышают прогнозы и приносят доходы в миллиарды долларов ежегодно, что поддерживается развитием коммуникационных технологий, изменением визовых процедур и улучшением туристическихнаправлений 10. В то же время возникают вопросы относительно экологического отражения этогороста 11. Одна из направлений исследований указывает на негативное влияние туризма, объясняя его прямой связью туризма с энергопотреблением и выбросами углерода, связанными странспортом 12. Кроме того, несмотря на возможности, которые крупные инфраструктурные проекты в рамках BRI открывают туристическому сектору, они также известны тем, что вызывают огромный экологический стресс из-за спроса на энергию и экологическихнарушений 13.

Однако существующая литература выявляет критические пробелы, которые это исследование стремится устранить. Во-первых, хотя общая связь между туризмом и выбросами признана, эмпирические данные остаются неоднозначными и часто не учитывают уникальный, многогранный контекст BRI. Отношения не являются монолитными; Она обусловлена рядом местных факторов, включая логистическую инфраструктуру, подвержение политической нестабильности, экологические стандарты и климатическиеусловия 14. Во-вторых, конкурирующий нарратив в литературе утверждает, что туризм, особенно если он соответствует принципам экотуризма и зелёной политике, может быть средством экологической устойчивости, а недеградации 15. Эта двойственность подчёркивает значительный разрыв в знаниях: при каких условиях туризм в рамках BRI усугубляет или смягчает выбросы? В-третьих, роль инфраструктурных ПИИ часто изучается отдельно16. Синергетический эффект ПИИ и развития туризма, когда новые аэропорты, дороги и гостиницы, финансируемые за счёт ПИИ, напрямую способствуют и стимулируют приток туристов, а также их коллективное влияние на окружающую среду, недостаточно изучен. Это исследование напрямую устраняет эти пробелы, проводя тонкий и всесторонний анализ экологических последствий экономических факторов BRI. Исследователи выходят за рамки широких обобщений и изучают конкретное, совместное влияние инфраструктурных ПИИ, развития туризма и технологических инноваций на выбросы углерода. Вклад этого исследования состоит из трёхсторонних. Во-первых, он предоставляет новые эмпирические данные взаимосвязи инвестиций в инфраструктуру, туризма и выбросов углерода в конкретном и крайне актуальном контексте инициативы «Пояс и путь». Явно моделируя взаимодействие между развитием туризма и ПИИ, исследователи выявляют, создаёт ли их сочетание синергетический эффект, усиливающий или смягчающий экологическое давление — измерение, которое в предыдущих исследованиях в значительной степени упускалосьиз виду 17. Во-вторых, это исследование вносит значительный методологический вклад, применяя модель CS-ARDL и проводя детальный региональный анализ. Это позволяет нам выйти за рамки универсальных выводов и выявить значительные региональные различия в том, как эти экономические активности влияют на окружающую среду.

Обзор литературы

Туристическая индустрия широко признана важным катализатором экономического развития, особенно на развивающихсярынках. Эмпирические исследования последовательно демонстрируют её способность генерировать доход, стимулировать предпринимательскую активность и снижать безработицу, что побуждает правительства по всему миру принимать поддерживающую политику длясектора 19. Исторические данные подчёркивают этот динамичный рост: отрасль сохраняет среднегодовой темп роста около 5%, а количество международных туристов, по прогнозам, превысит 1,8миллиарда 20, что часто превышается реальными показателями, обусловленными развитием коммуникационных технологий, улучшением туристической инфраструктуры и упрощённым визовымправилами 21. Однако вклад сектора в экономический рост неоднороден, поскольку его успех обусловлен комплексным набором местных факторов, включая логистическую инфраструктуру, политическую стабильность, экологические стандарты и климатические условия, что указывает на то, что обобщённые модели роста, основанного на туризме, частонедостаточны 22.

Параллельно с развитием туризма экологические последствия экономического развития стали особенно заметны, выявляя дуалистический нарратив в академическомдискурсе 23. Одна из литературных направлений твёрдо связывает развитие туризма с увеличением энергопотребления и выбросами углерода, связанными с транспортом, ставя отрасль в качестве значительного фактора экологическойдеградации 24. Это особенно актуально в контексте крупномасштабных инициатив, таких как инициатива «Пояс и путь» (BRI) Китая, которая за счёт прямых иностранных инвестиций (ПИИ), возглавляемой инфраструктурой, способствует развитию связности и стимулирует туризм и экономическую активность, но одновременно создаёт значительное экологическое давление из-за роста спроса на энергию и экологических потрясений25. В отличие от этого, конкурирующая научная точка зрения подчёркивает потенциал устойчивого туризма, утверждая, что экотуризм и экологичная политика могут снизить уровень загрязнения и обеспечить долгосрочную экологическую устойчивость, тем самым согласуя экономический рост с экологической ответственностью26. Эта двойственность распространяется и на роль ПИИ, которые могут быть источником как загрязняющих технологий, так и передовых экологически чистых инноваций, создавая эмпирическую неоднозначность, которая усложняется, когда ПИИ специально ориентированы на инфраструктуру, способствующую ростутуризма 27.

Сложные взаимосвязи между туризмом, инвестициями и окружающей средой требуют более глубокого изучения факторов, умеряющих факторов и теоретическихрамок 28. Технологические инновации часто называются критически важным механизмом отделения экономического роста от выбросов через внедрение возобновляемой энергии и зеленыхтехнологий 29. Кроме того, теоретическая основа гипотезы экологической кривой Кузнеца (EKC) служит основой для проверки связи между экономическим развитием и экологической деградацией, предполагая, что выбросы могут сначала расти вместе с доходом, а затем снизитьсядо 30. Трансформационный потенциал BRI, с прогнозами, что её экономики могут составлять половину мирового ВВП к 2030 году, делает её ключевым примером для изучения этих динамик31. Тем не менее, в литературе остаётся значительный пробел: отсутствие тонких эмпирических исследований, которые одновременно моделируют совокупное влияние инфраструктурных ПИИ, развития туризма и технологического прогресса на выбросы углерода в разнородных регионах BRI (Рисунок 1)32. Существующие исследования часто рассматривают эти факторы изолированно, не отражая их синергетические эффекты и региональные вариации, что призвано заполнить этот пробел, используя методологический подход, учитывающий как общие коррелированные эффекты, так и поперечныеразличия 33.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

В этом исследовании использовались исключительно публично доступные вторичные макроэкономические данные из официальных источников, включая Всемирные показатели развития Всемирного банка (WDI) и Министерство торговли Китайской Народной Республики (MOFCOM). Исходные данные доступны публично в Всемирном банке (https://databank.worldbank.org/source/world-development-indicators) и Министерстве торговли Китая (MOFCOM). В исследовании не участвовали ни люди, ни животные. Таким образом, это исследование не требовало рассмотрения или одобрения институциональным экспертным советом (IRB) или этическим комитетом.

Данные и конструкция переменных

В данном исследовании анализируется EKC в странах вместе с BRI и рассматривается связь между запасами китайских ПИИ и выбросами углерода. В целом влияние экономической активности на окружающую среду можно разделить на три категории: охватывает то, что авторы называют эффектом технологических инноваций (TI), эффектом промышленного состава и эффектом экономического масштаба. Поэтому, помимо основных особенностей исследования, авторы изображают эти критически важные особенности. Ниже приведено восприятие этой корреляции:

Уравнение 1(1)

В этой модели используются несколько переменных для представления различных экономических показателей. К ним относятся:

CO2: выбросы углерода, TD: китайские акции прямых иностранных инвестиций в странах инициативы «Пояс и путь», TI: индексы TD, ВВП: валовой внутренний продукт, SQGDP: квадраты ВВП (используется для обозначения экологической кривой Кузнеца), и IVA: промышленная добавленная стоимость.

Модель использует индекс для обозначения количества стран и индекс ε{it} для обозначения времени. Параметры модели представлены β{1} + β{2} + β{3} + β{4} + β{5} + β{6} и β{7} . Термин μ{i} относится к поперечному специфическому фактору ε{it} и представляет ошибочное выражение.

BRI значительно улучшил коммуникации между Китаем и другими странами-участниками, существенно повлияв на энергопотребление, фискальный рост и экологические условия. Шаги, предпринятые китайским правительством по развитию зелёного BRI в соответствии с Парижским соглашением (2015) и ЦУР 2030, включают распространение технологических преимуществ и развитие эффективной и экологически чистой энергетическойинфраструктуры 34. Гу иЧжоу, 35 лет, изучили недавно построенные проекты чистой энергетики в странах BRI с установленной мощностью 16 ГВт и помогли сократить выбросы парниковых газов на 49 метрических тонн, подтвердив эти подходы. Кроме того, Ли и др.36 предложили, что инициатива «Пояс и путь» способствует повышению энергоэффективности принимающей страны и экономическому развитию путём строительства надёжных энергетических и логистических объектов. Однако ПИИ Китая усугубляет экологические проблемы в принимающих странах из-за растущего спроса на электроэнергию и природные ресурсы. Исходя из этой логики, прогнозируется, что прямые иностранные инвестиции Китая за рубежом могут оказать влияние на выбросы углерода в различных регионах, что будет как положительным, так и вредным:

Уравнение 7

В последнем исследовании Бекун и др.37 исследовали гипотезу о снижении выбросов, что доходы от туризма способствуют снижению выбросов, но прибытие туристов оказывает противоположное воздействие. Кроме того, синтез научных исследований (см. таблицу 1) подчеркнул, что туристические переменные вызывают специфические экологические последствия. Для соблюдения этого исследования проводится накопленный индикатор вовлечённости туристов, который помогает устранить субъективную предвзятость. Общий показатель туристического бизнеса может иметь как положительное, так и отрицательное влияние на CO2.

Уравнение 8

По аналогии с тем, как повышение связности, меньшее количество барьеров для конкуренции (включая людей и товары), более быстрые поставки и улучшение инфраструктуры между странами-членами BRI способствуют развитию туристической индустрии, что может оказать ключевое влияние на качество окружающей среды, учитывая присущие туристической экономике, это может быть выгодно.

Уравнение 9

Учитывая фундаментальный характер экономической деятельности, необходимо увеличить потребление энергии и топлива, что приводит к увеличению CO2. Тем не менее, технический прогресс в создании экологически чистых продуктов и процедур, а также инновационные изменения в энергоснабжении могут существенно повлиять на экологическую устойчивость. TI таким образом снижает выбросы углекислого газа.

Уравнение 10

Теория EKC подтверждается тем, что экономический рост связан с увеличениемэнергопотребления 38, что повышает уровень выбросов, но квадрат развития экономики снижает выбросы углекислого газа.

Уравнение 11

Одним из ключевых факторов, влияющих на выбросы углекислого газа принимающими странами, является коммерческий состав этих стран (Таблица 2). IVA может положительно повлиять на выбросы CO2, поскольку рост значимости отрасли в соседних странах BRI приведёт к увеличению энергопотребления и сопутствующимвыбросам 39.

Уравнение 12

Источник данных и выборка выборки

Значение стран BRI основано на предположении, что они составляют 30% мирового ВВП, 64% его населения, 39% территории, 35% торговли, 50% потребления электроэнергии и 54% выбросовCO2. Кроме этих данных, регион BRI пережил огромный рост китайских ПИИ, что делает её самой эффективной платформой для сотрудничества вмире-40. В результате авторы исследуют экологические последствия прямых иностранных инвестиций, TD и TI из Китая в выбранных двух (54) странах Belting and Roads с 2000 по 2020 год. Для этого в статье используются годовые данные по выбросамCO2 (метрические тонны), акциям прямых иностранных инвестиций Китая (постоянный рост 2010 US$), индикаторе TD (для дополнительной информации см. Таблицу 3) и общему индексу (TI), который рассчитывается как общее количество патентов (для жителей и иммигрантов), ВВП (непрерывный 2011 US$), и производственные ценности (процент от ВВП). Крайне важно предоставить согласованную статистику теста при решении проблемы дифференциальных атрибутов, поскольку эти факторы демонстрируют различные единицы измерения. Учитывая предыдущие исследования, авторы преобразовали все аспекты в регрессионную модель, которая даёт результаты в виде эластичности, облегчающих интерпретацию данных. Помимо прямого внешнего иностранного инвестиционного капитала, который поступает из Министерства экономики и торговли Китая, информация по этим факторам взята из Всемирного индекса развития (WDI).

Индекс TD

В туристических исследованиях используются многочисленные метрики для описания туристической деятельности. Доходы оттуризма — 41, туристические расходы — Пата иБалсалобре-Лоренте — 42, а также данные оприёме 43 — используются для количественной оценки комплексного спроса на туризм. У этих туристических моделей есть несколько недостатков, поскольку они охватывают лишь часть связи между загрязнителями. Эти три туристических переменных очень коллинеарны, и если их использовать одновременно в единой системе, это может привести к проблеме мультиколлинеарности, согласно Менгу и др. 44, PCA объединяет общие колебания всех туристических переменных в уникальный накопленный балл. Эти туристические метрики берутся из набора данных WDI, который помогает создать уникальный составный индикатор путём объединения очень важных данных.

Индекс TD до PCA

Индекс развития туризма (TD) был построен с использованием анализа основных компонентов (PCA) для объединения трёх высококоррелированных туристических переменных (международные доходы, расходы и приезды) в единую сводную оценку. Пригодность данных для PCA была впервые подтверждена с помощью двух стандартных тестов. Показатель адекватности выборки Кайзера-Мейера-Олькина (KMO) показал значение 0,723, превышая рекомендуемый порог 0,6, что указывает на компактность корреляционных закономерностей и, следовательно, пригодность для факторного анализа. Кроме того, тест сферичности Бартлетта был статистически значимым (p < 0,001), что подтвердило, что матрица корреляции не является тождественной матрицей и что переменные достаточно коррелированы для PCA. На основе критерия Кайзера (собственное значение > 1) сохранялась только первая главная компонента. Этот компонент удовлетворительно объяснил более 81% общей дисперсии по всем трём туристическим переменным. Коэффициентные нагрузки для всех трёх переменных были положительными и высокими, что способствовало сбалансированному взвешению при вычислении итогового индекса. Полученные оценки индекса TD варьировались от -0,681 до 5,157 для выборки, где более низкое значение указывает на более низкий уровень развития туризма, а более высокое — на более высокий уровень развития туризма среди стран BRI.

Аналитическая структура

Исследователи начали анализ, проверяя два основных свойства данных панелей: поперечная зависимость (CSD), указывающая на взаимосвязность между странами, и гетерогенность наклонов (SH), что означает, что переменные различия различаются в разных странах. Подтверждение этих свойств стало критически важным первым шагом, поскольку потребовало использования специализированных эконометрических тестов второго поколения для получения точных результатов.

Поперечная зависимость (CSD) и гетерогенность наклона (SH)

Предпосылка наклонной изменчивости и поперечной зависимости, поддерживаемой корнем единицы второго поколения (UR; включая CS дополнение IPS UR) и коинтеграционными тестами, требует проверки перед переходом к порядку интеграции фактора. Из-за быстрых колебаний финансовых и денежных проектов, сопровождаемых изменениями в экономике, банковским крахом, глобализацией, взаимосвязью роялти и отсутствием визуальных и невыявленных общих элементов, ряды данных неизбежно создают проблему CSD. Перед использованием UR и коинтегрированных тестов CSD позволяет нам выбрать наиболее эффективный способ решения выявленных проблем. В исследовании использовался более сложный подход, основанный на Tang et al.45, CD-тестирование для валидации CSD. Кроме того, в статье использованы тесты на SH по методу Zhuang et al.46, которые лучше традиционных анализов гетерогенности, таких как SURE, которые не допускают CSD впанелях 47. Формулы анализа гетерогенности склонов следующие:

Уравнение 13(2)

Уравнение 14(3)

Тест с единичными корнями (URT)

Следующий этап — использование правильных экспериментов с корнем единиц для обеспечения порядка интеграции после проверки гетерогенности CSD и наклона. Порядок интеграции для всех факторов определяется моделями Дики-Фуллера с поперечным сечением (CADF) и поперечным сечением IPS (CIPS). Тестирование первого поколения — это первые два URT, а анализ SGN — третий URT. Поскольку он позволяет вычислять CSD при вычислении переменных единичных корней, CIPS лучше. Обычные панельные тесты с корневыми тестами дают ложные выводы при наличии CSD. Несмотря на это, современные исследования используют базовые и сложные тесты на основе единичных корней для объективных и последовательных оценок. Ниже приведено уравнение CIPS:

Уравнение 15(4)

Уравнение ниже использует символ для обозначения среднего значения по разным секциям.

Уравнение 17(5)

Статистические тесты CIPS следующие:

Уравнение 18(6)

Тесты коинтеграции панелей

Затем авторы оценивают коинтеграционную связь между выбросами углекислого газа и их причинами, включая исходящие китайские ПИИ, TD, TI и экономическое расширение, после подтверждения CDS, гетерогенности склонов и уровня стационарности вариации. Исследования реализуют это с помощью подхода панельной коинтеграции, который даёт реалистичные прогнозы, когда ошибочные факторы зависят поперечно, а панели разнообразны. Поскольку этот тест не накладывает типичные элементные ограничения при рассмотрении CSD и структурных поломок, он предпочтительнее тестов коинтеграции первого поколения. Кроме того, традиционные методы оценки на панелях, использующие ненаблюдаемую гетерогенность, модели фиксированных эффектов и инструментальные переменные, не учитывают CSD постоянной дисперсии, что приводит к неточным оценкам. В отличие от теста коинтеграции второго поколения, метод панельной коинтеграции учитывает структурные разрывы в различных местах для каждого сечения, а также CSD, SH и последовательную корреляцию ошибочных выражений. В статье включен тест коинтеграции. Структурный распад и изменения парадигмы влияют на подлинные ценности. Этот анализ даёт прогнозы коинтеграции без загрязнения, разрыва уровня или изменения парадигмы (Таблица 4).

Распределённые распределённые задержки с поперечным сечением

Теперь авторы могут рассмотреть экспериментальные оценки долгосрочной связи между парниковыми газами и их факторами. Традиционная модель предсказания предполагает поперечную устойчивость, чего нет в начальных исследованиях. Учитывая, что количество углеродного загрязнения контролируется невидимыми релевантными переменными, вызывающими зависимость от поперечных срезных ошибок, это неправдоподобная гипотеза. Несколько факторов, включая неравномерный и внезапный рост китайских внешних ПИИ и изменение финансовых и политических структур, придают концептуальную достоверность пересечной зависимости от программы «Пояс и путь». Это связано с тем, что естественные характеристики могут искажаться наличием невидимых релевантных переменных, связанных с регрессионным анализом. Оценка CS-ARDL предоставляет наилучшее решение проблемы зависимости от сечений и гетерогенности наклонов. Предложить динамическую стратегию общего коррелированного эффекта, которую использует метод CS-ARDL для решения этих проблем. Это приводит нас к следующему выводу формулы CS-ARDL:

Уравнение 19(7)

Простые авторегрессивные распределённые задержки (ARDL) имеют линейную функцию, описанную выше в уравнении (7); Если авторы продолжат использовать эту формулу, результаты будут смешанными в зависимости от того, существуют ли поперечные зависимости. Уравнение (7) обобщается для получения уравнения (8) путем усреднения по сечениям. Влияние точки среза наблюдается только при учёте поперечной зависимости, и эта процедура поможет устранить это потенциально вводящее в заблуждение предположение.

Уравнение 20(8)

Где Xt-1 = (CO 2i,t–1, Zi,t–1) можно рассматривать как среднее значения зависимых и независимых переменных, Pw,P z,P x Определите все задержки внутри каждого параметра. CO 2i,t, выбросы углекислого газа (tCO2) — пример зависимой переменной, а Zi,t — вектор, включающий все различные факторы. Поперечные средние значения (включая временные переменные или переменные паттерна) показывают X, демонстрируя, как их можно использовать для предотвращения CSD, вызванного эффектами ряби. CS-ARDL использует коэффициенты краткосрочного цикла в качестве входных данных для расчёта долгосрочных коэффициентов. Для среднего числового оценщика и долгосрочного коэффициента.

Уравнение 26(9)

Средняя группа задаётся следующим образом:

Уравнение 27(10)

Краткосрочные коэффициенты оцениваются следующим образом:

Уравнение 28(11)

Где,

Уравнение 29(12)

Уравнение 30(13)

 Уравнение 31(14)

 Уравнение 32(15)

В случае нарушения или времени, необходимого для достижения постоянного баланса, процедуры исправления ошибок для CS-ARDL сопоставим с организованной средней панелью, которая задаёт темп изменения в сторону длительного баланса.

Оценщики надёжности

Традиционные методы оценки резко противоречат признанному существованию этой комиссии о гетерогенности наклонов и дисперсионной декомпозиции. Кроме того, в исследовании используется индикатор Ordinary Connected Effect Average Panel, установленный Песараном, для подтверждения схожих результатов. Даже при использовании CSD, гетерогенности, эндогенности и нестационарности CCEMG можно эффективно использовать (Таблица 5). Также возникают проблемы корреляции, особенно с поперечными сечениями. Ниже приведена формула CCEMG:

Уравнение 33(16)

Причинность Грейнджера

Причинность Грейнджера используется для анализа компонентов статьи и их возможной взаимосвязи. Из-за основных предположений этот метод лучше работает с разнообразными дисплеями. В противовес гипотезному тесту причинности между переменными, нулевая гипотеза многократного регрессионного анализа DH заключается в отсутствии причинно-следственной связи. Ниже приведено описание практической структуры причинно-следственного теста Д.Г. Грейнджера:

Уравнение 34(17)

Для авторегрессивной модели оценщик обозначается как j, а авторегрессивные переменные — как βj(j)

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Представленные результаты эффективно демонстрируют полезность техники Cross-sectionally Augmented Autoregressive Distributed Lag (CS-ARDL) для фиксации сложных реальных экономических отношений (рисунок 2). Например, расходящееся долгосрочное влияние прямых иностранных инвестиций (ПИИ) на выбросы углерода отрицательно в некоторых регионах, таких как Юго-Восточная Азия, но положительное в других, например, в Южной Азии, что иллюстрирует гетерогенность склонов, для которой специально разработан...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Результаты этой эмпирической работы предоставляют богатую и тонкую историю о возможном экологическом воздействии экономической интеграции в рамках инициативы «Пояс и путь» и превосходят упрощённые дихотомии, которые обычно определяют литературу. Проверка неоднородности наклона и поперечной зависимости не должна вводиться в самом начале как методологическую тонкость, а как базовый момент; следует признать, что отношения между ПИИ, туризмом, технологиями и выбросами углерода не являются од...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Все авторы заявляют, что не имеют конфликта интересов.

Благодарности

Финансирование на эти исследования не было получено.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Причинно-следственный анализГетерогенный панельный тест причинности Грейнджера, разработанный Думитреску и Хёрлином (2012)Определить направление причинно-следственных связей между переменными (например, вызывает ли ПИИ Грейнджер выбросы CO2?).
Тест поперечной зависимости (CSD)Тест Песаран (2015) Тест на поперечную зависимость (CD)Диагностически проверить нулевой гипотезу поперечной независимости между ошибочными членами панельных единиц.
Термин взаимодействия ПИИ и ТДВычисляется как продукт серии индексов ПИИ и развития туризма (TD).Зафиксировать синергетический или смягчающий эффект, который инфраструктурные ПИИ оказывают на взаимосвязь между развитием туризма и выбросами углерода.
Данные о прямых иностранных инвестициях (ПИИ)Министерство торговли Китайской Народной Республики (MOFCOM)Источник данных о запасах китайских ПИИ в страны Инициативы «Пояс и путь» (BRI).
Оценка долгосрочной и краткосрочной перспективыМодель поперечного авторегрессивного распределённого задержки (CS-ARDL)Основной оценщик — выводить как краткосрочные, так и долгосрочные коэффициенты влияния независимых переменных на выбросы CO2, учитывая CSD и гетерогенность.
Данные макроэкономической панелиВсемирный банк, Показатели мирового развития (WDI)Основной источник данных о выбросах CO2, ВВП, промышленной добавленной стоимости (IVA) и туристических показателях (прибытия, поступления).
Тесты коинтеграции панелейWesterlund и Edgerton (2008) коинтеграционный тест с структурными разрывамиПроверить существование долгосрочной коинтегрирующей связи между переменными, учитывающей CSD и структурные разрывы.
Оценщик проверки надёжностиСредняя группа по общим коррелированным эффектам (CCEMG)Альтернативный оценщик, используемый для проверки устойчивости долгосрочных коэффициентов, полученных из модели CS-ARDL.
Корневые тесты второго поколенияПоперечный дополненный Дикки-Фуллер (CADF) и поперечный дополненный IPS (CIPS)Определить порядок интегрирования переменных (CO2, FDI, TD, TI, GDP, IVA) в присутствии поперечной зависимости.
Тест на гетерогенность склонов (SH)Pesaran и Yamagata (2008) Тесты Delta и Delta, модифицированныеДиагностически проверить нулевой гипотезу однородных наклонов по сечениям в панели.
Квадрат ВВП (SQGDP)Вычисляется как квадрат ряда ВВП на душу населения (или общего ВВП).Эмпирически проверить наличие гипотезы кривой Кузнеца (EKC) в модели.
Статистический программный пакетНе указано в протоколе, но необходимо для анализа (например, Stata, R, EViews)Платформа для управления данными, построения переменных и выполнения всех эконометрических тестов и оценок (CSD, SH, единичный корень, коинтеграция, CS-ARDL, CCEMG, причинность).
Данные о технологических инновацияхВсемирный банк, Показатели мирового развития (WDI)Источник патентных данных (резидентов и нерезидентов), используемых для создания индекса технологических инноваций (TI).
Индекс развития туризма (TD)Анализ основных компонентов (PCA) применяется к прибытиям, доходам и расходам туристов.Создать единый комплексный индекс, который отражает общую туристическую активность и избегает мультиколлинеарности при использовании отдельных туристических метрик.

Ссылки

  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).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Больше статей

Прямые иностранные инвестицииразвитие туризматехнологические инновациирегиональная гетерогенностьперекрестный метод ARDLанализ панельных данныхэкологическая кривая Кузнецаинвестиции в инфраструктуру

Эта статья была опубликована

Видео скоро будет доступно

Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.