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

Исследовательская статья

Влияние экологической политики и технологий на переход к возобновляемой энергетике

61 просмотров

⸱

DOI:

10.3791/71760

⸱

7 августа 2026 г.

 ,  ,  ,  , 
1University of Southampton, 2School of Marxism, Nanchang University, 3School of Public Finance and Taxation, Lanzhou University of Finance and Economics, 4Hongshan College, Nanjing University of Finance & Economics, 5Nanjing University of Finance & Economics

В этой статье

Краткое содержание

Это исследование 21 страны ОЭСР (2000–2020) показывает, что Индекс экологической политики, выбросы парниковых газов и технологии, связанные с окружающей средой, способствуют внедрению возобновляемой энергии, в то время как «Зелёный ВВП» этому препятствует. Между всеми переменными существует двусторонняя причинно-следственная связь. Темпы перехода остаются недостаточными, требуя реформ политики и налогов на загрязнение.

Аннотация

Потенциал возобновляемой энергии (REC) играет центральную роль в достижении устойчивого развития и углеродной нейтральности, однако влияние эффективности экологической политики, качества окружающей среды, технологических инноваций и зеленого экономического роста на REC остаётся разнородным в разных странах и на этапах развития возобновляемой энергетики. В этом исследовании рассматриваются факторы, определяющие потенциал возобновляемой энергетики в 21 стране ОЭСР с 2000 по 2020 год, с акцентом на эффективность экологической политики (EPI), выбросы парниковых газов (ПГ), экологически чистые технологии (EFT) и зелёный ВВП. Эмпирическая структура использует метод тестирования границ Panel Autoregressive Distributed Lag (ARDL) для изучения долгосрочной коинтеграции, метод квантильной регрессии по моментам (MMQR) для фиксации гетерогенных эффектов по условному распределению REC и панельные тесты причинности Грейнджера для определения направления причинно-следственных связей. Тест ограничений ARDL в панели подтверждает стабильное долгосрочное равновесие между переменными (F = 7,845, p < 0,01). Результаты MMQR показывают, что EPI оказывает положительный и прогрессивно сильный эффект по квантилам (0,092–0,212), тогда как EFT демонстрирует самый крутой положительный градиент (0,131–0,221) и демонстрирует двунаправленную причинно-следственную связь с REC, что указывает на усиливающий цикл между технологическими инновациями и внедрением возобновляемой энергии. Выбросы парниковых газов имеют умеренную положительную связь с REC (0,048–0,082), но не вызывают однонаправленное появление REC; Вместо этого большая мощность возобновляемой энергии значительно снижает выбросы. Зелёный ВВП стабильно оказывает негативное влияние на REC (−0,348 до −0,138), хотя этот эффект ослабевает при увеличении количества мощностей возобновляемой энергетики, что указывает на переходную корректировку в переходе к более экологичной экономике. Эти результаты свидетельствуют о том, что влияние экологической политики, технологических инноваций, выбросов и экологической экономической эффективности зависит от этапов, подчёркивая необходимость специфических для внедрения рамок политики, устойчивых инвестиций в зелёные исследования и разработки, а также дополнительных политических инструментов для снижения краткосрочных корректировок при одновременном ускорении перехода к возобновляемой энергетике.

Введение

Рост глобального спроса на энергию усилил необходимость быстрого перехода на чистые источники энергии. Хотя возобновляемая энергия составляла примерно 30% роста поставок солнечной энергии, ископаемое топливо продолжает доминировать в дополнительном спросе на энергию, что приводит к продолжающемуся накоплению выбросов углекислого газа (CO2) и угрожает достижению целей1 Парижского соглашения. Систематическое понимание тенденций инвестиций в устойчивую энергетику, иллюстрированное научным картированием и метаанализом, представленными в книге «Финансирование будущего: Инсайты в устойчивые энергетические инвестиции», подчёркивает слияние политических, финансовых и технологических трансформаций, произошедших в экономиках ОЭСР с 2000 по 2020год 2. Этот двадцатилетний период, охватывающий 21 страну ОЭСР, предоставляет идеальную основу для оценки долгосрочных факторов, определяющих внедрение возобновляемой энергии3. Переход к возобновляемой энергетике зависит от эффективного взаимодействия экологического управления, финансовых инвестиций и технологическихинноваций 4. Недавний систематический обзор выявил экономические и политические факторы как основные двигатели расширения возобновляемой энергии. Пороговые анализы стран ОЭСР также показали, что строгость экологической политики способствует внедрению возобновляемых источников энергии только после преодоления критическогопорога 5, тогда как распространение экологически чистых технологий также требует устойчивых инвестиций до достижения значительных преимуществ6. Кроме того, динамические панельные анализы квантильной регрессии в 77 странах показали, что экологически чистые технологии значительно способствуют потреблению возобновляемой энергии, особенно в развивающихсяэкономиках 7.

Несмотря на эти достижения, остаются несколько важных исследовательских пробелов. Существующие исследования обычно рассматривают экологическую политику и технологические инновации в изоляции, упуская из виду их потенциальные синергии в внедрении возобновляемой энергии. Кроме того, потенциал возобновляемой энергии (REC), используемый в данном исследовании как зависимая переменная, получил ограниченное внимание в рамках интегрированных эмпирических рамок, которые одновременно учитывают экологическую политику, технологические инновации, выбросы и экологическиеэкономические показатели 8. Кроме того, темп внедрения возобновляемой энергии в развитых экономиках замедлился. Выбросы парниковых газов ОЭСР (ПГ) остаются высокими, в то время как строгость климатической политики выросла всего на 1% в 2024 году, что подчёркивает пробел в реализации, который требует более глубокого изучения факторов возобновляемой энергии в экономиках с высоким уровнемдохода 9. Соответственно, в данном исследовании рассматриваются факторы, определяющие потенциал возобновляемой энергетики в 21 стране ОЭСР с 2000 по 2020 год, используя Индекс экологической эффективности (EPI), выбросы парниковых газов (ПГ), экологически чистые технологии (EFT) и зелёный ВВП в качестве объяснительных переменных. После предварительного диагностического тестирования для установления долгосрочных равновесных отношений используется тест коинтеграции границ ARDL, для фиксации гетерогенности распределения применяется метод квантильной регрессии моментов (MMQR), а также проводятся тесты причинности панелей для определения направления причинныхсвязей 10. Результаты показывают, что EPI и EFT оказывают значительный положительный эффект только за пределами определённых порогов, тогда как влияние зелёного ВВП варьируется в зависимости от условного распределения возобновляемых энергетических мощностей, что подчёркивает важность координированной экологической политики, технологических инноваций и экономическихстратегий 11. Явно моделируя совместные эффекты эффективности экологической политики и технологического развития на разных уровнях мощности возобновляемой энергии, это исследование предоставляет более тонкие доказательства в поддержку формирования политики в области возобновляемой энергетики.

Факторы, определяющие переход к возобновляемой энергии, были тщательно изучены; однако понимание остаётся ограниченным фрагментированными теоретическими взглядами и преимущественно описательным, а не интегративным эмпирическиманализом 12. В частности, основные факторы внедрения возобновляемых источников энергии, включая эффективность экологической политики, экологически чистые технологии, выбросы парниковых газов и экономический выпуск, скорректированный с экологической ценой, редко рассматриваются в единой аналитической системе, учитывая взаимосвязь финансовых рынков и цифровизацию зелёногофинансирования 13.

Эффективность экологической политики, обычно измеряемая с помощью составных индикаторов, таких как Индекс экологической эффективности (EPI), занимает центральное место в литературе по возобновляемойэнергетике 14. Ранние исследования показали, что хорошо продуманные экологические нормы снижают инвестиционную неопределённость и дают предсказуемые рыночные сигналы, стимулирующие инвестиции внизкоуглеродное рынок 15. Более недавние панельные исследования стран ОЭСР, использующие фиксированные эффекты и системно обобщённые методы моментов, показали, что повышение строгости экологической политики на один единицу связано с увеличением выработки возобновляемой электроэнергиина 0,34% 16. Тем не менее, критическая оценка этой литературы показывает, что положительные эффекты ужесточённости политики на очень высоких уровнях уменьшаются из-за усталостирегуляторов 17. Кроме того, исключительный акцент на экономиках с высоким уровнем дохода ограничивает внешнюю достоверность этих выводов. Комплексный метаанализ 89 эмпирических исследований показал, что рыночные политические инструменты, включая налоги на углерод и системы торговли выбросами, стабильно превосходят командно-контрольные нормативы в продвижении потенциала возобновляемой энергии18. Хотя этот метаанализ синтезировал данные из различных географических регионов и методологических подходов, авторы подчеркнули, что эффективность политики остаётся значительно выше в странах с более сильным институциональным потенциалом, что подчёркивает важный географический разрыв влитературе 19. Кроме того, исследования, ориентированные на политику, обычно рассматривают рынки возобновляемой энергии как независимые от более широких финансовых систем, упуская из виду возможность того, что трансрыночные финансовые последствия могут усилить или ослабить эффективность политики20.

Вторая публикация выделяет экологически чистые технологии (EFT) как основной катализатор снижения затрат на возобновляемую энергию и ускорения распространения технологий. Эмпирические данные, основанные на патентных данных 25 европейских стран, показали, что увеличение числа заявок, связанных с окружающей средой, на 10% снизило уровненные цены солнечных фотоэлектрических систем на 1,8%, а наземной ветровой энергии — на 2,3%. Хотя эти исследования используют строгие эконометрические методы, они в основном опираются на традиционные индикаторы инноваций и не учитывают растущее значение цифрового зелёного финансирования и финансовых технологий (FinTech) в содействии климатическихинвестиций 22. Недавние данные из развивающихся экономик Организации исламского сотрудничества (ОИС) показывают, что цифровые финансовые услуги усиливают экологическую политику, снижая транзакционные издержки и расширяя доступ к зелёномуфинансированию 23. Следовательно, измерение EFT исключительно через патентную деятельность может недооценивать взаимодействие между экологической политикой и технологическими финансовымимеханизмами 24. Кроме того, исследования диффузии технологий сообщают о значительном трансграничном влиянии, при этом инновации, возникшие в Германии и Дании, значительно способствовали внедрению глобальной ветровойэнергетики 25. Однако эти исследования редко учитывают, как финансовое заражение на рынках чистой энергии влияет на распространение экологически чистых технологий. Недавние данные о динамической взаимосвязи между зелёными, чистой энергией и устойчивыми финансовыми рынками показывают значительные изменения волатильности, что свидетельствует о том, что шоки, затрагивающие один сегмент зеленой финансовой системы, могут быстро влиять на инвестиции в возобновляемуюэнергию 26. Соответственно, интерпретация EFT исключительно как отечественного индикатора, основанного на патентах, упускает из виду более широкую финансовую среду, в которой всё чаще происходит технологическоераспространение 27.

Связь между выбросами парниковых газов (ПГ) и внедрением возобновляемых источников энергии остаётся спорной. Согласно гипотезе «политического давления», рост выбросов стимулирует общественный спрос на более ужесточённую политику декарбонизации и увеличение инвестиций в возобновляемую энергию. Перекрёстный панельный анализ 34 стран ОЭСР подтверждает эту гипотезу, демонстрируя, что увеличение выбросов парниковых газов на душу населения на одно стандартное отклонение предсказывает последующее отклонение инвестиций в возобновляемую энергетику на 0,21 стандарта черездва года 28. Однако эти результаты основаны исключительно на развитых экономиках с относительно сильным институциональным качеством, что ограничивает их применимость к углеродным развивающимся странам. Альтернативные данные указывают на нелинейную связь, при которой влиятельные интересы в сфере ископаемого топлива всё больше ограничивают политику в области возобновляемой энергетики после превышения критического порога29. Пороговые регрессионные анализы с использованием данных из 60 стран выявили инвертированную U-образную зависимость, при этом переломный момент меняется в зависимости от качества институтов и зависимости от природныхресурсов 30. Важно, что эти исследования обычно упускают из виду умеряющее влияние взаимосвязи финансовых рынков. В периоды роста выбросов негативное настроение инвесторов может перенестись и на рынки чистой энергии, ограничивая финансирование возобновляемых источников энергии именно тогда, когда спрос на инвестиции наибольший. Недавние данные по передаче волатильности между рынками подтверждают этот механизм и свидетельствуют о том, что финансовые последствия могут осложнять ожидаемую положительную связь между выбросами и инвестициями в возобновляемуюэнергию 31,32.

Зелёный ВВП, определяемый как валовой внутренний продукт, скорректированный с учётом деградации окружающей среды и истощения природных ресурсов, предоставляет более комплексную меру устойчивой экономической эффективности, чем обычныйВВП 33. Тем не менее, эмпирические данные о её связи с возобновляемыми энергетическими мощностями остаются неоднозначными. Некоторые исследования утверждают, что улучшение зеленого ВВП снижает воспринимаемую срочность инвестиций в возобновляемую энергию, сигнализируя о снижении экологического ущерба на единицу экономическогопроизводства 34. В отличие от этого, другие исследования показывают, что устойчивый рост зелёного ВВП отражает структурную трансформацию в сторону ориентированных на услуги и менее энергоёмких экономик, способствующих интеграции возобновляемой энергии35. Анализы панельной коинтеграции, охватывающие 40 стран в период с 2000 по 2018 год, дают доказательства временной асимметрии, показывая негативное краткосрочное влияние зелёного ВВП на потенциал возобновляемой энергетики, но положительную долгосрочную связь после устойчивого зеленого экономическогороста 36. Хотя эти данные основаны на обширных наборах данных и длительных периодах наблюдений, они не учитывают последствия глобальных финансовых шоков. В периоды финансовой нестабильности волатильность на зеленых финансовых рынках может ослабить соотношение между зелёным ВВП и возобновляемой энергией, ограничивая потоки инвестиций в проекты по возобновляемой энергетике, несмотря на улучшение экологическихпоказателей 37,38.

В заключение, существующие исследования значительно улучшили наше понимание факторов, определяющих внедрение возобновляемой энергии; Однако важные пробелы остаются. Предыдущие исследования обычно рассматривали экологическую политику, технологические инновации, выбросы парниковых газов и экологическую экономическую эффективность независимо, а не в рамках интегрированной аналитической рамки. Кроме того, экологически чистые технологии по-прежнему измеряются преимущественно с использованием традиционных индикаторов инноваций. Для устранения этих ограничений исследование исследует потенциал возобновляемой энергетики в 21 стране ОЭСР в период с 2000 по 2020 годы с использованием Индекса экологической эффективности, выбросов парниковых газов, экологически чистых технологий и зелёного ВВП в качестве объяснительных переменных. Применяя метод квантильной регрессии моментов, исследование отражает разнородные эффекты распределения мощностей возобновляемой энергии, обеспечивая более полное понимание политических, технологических и экономических факторов, формирующих переход к возобновляемой энергетике. Будущие исследования должны включать индикаторы финтеха и показатели финансового риска для дальнейшего развития этой области.

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

Протокол

Философия и дизайн исследований
Это исследование придерживается позитивистской философии, предполагая, что детерминанты возобновляемой энергетической мощности (REC) можно объективно исследовать с помощью количественного анализа панельных данных. Для изучения долгосрочных отношений между возобновляемыми энергетическими мощностями и их определяющими факторами в 21 стране Организации экономического сотрудничества и развития ОЭСР в период 2000–2020 годов используется лонгитюдный, межстранный сравнительный исследовательский проект. Руководствуясь идентичностью Кая, используется дедуктивно-аналитический подход для разработки эмпирической модели и проверки гипотетических связей между возобновляемыми энергетическими мощностями, эффективностью экологической политики, выбросами парниковых газов (ПГ), экологически чистыми технологиями (EFT) и зелёным ВВП. Аналитическая структура объединяет сбор данных, диагностическое тестирование, коинтеграционный анализ, квантильную регрессию и анализ причинности панелей для обеспечения методологической согласованности и надёжного статистического вывода.

Сбор данных и переменные
В исследовании используется сбалансированный набор данных панелей, включающий 21 страну ОЭСР, наблюдаемых ежегодно с 2000 по 2020 год, что даёт 441 наблюдение за год по стране. Данные были получены из общедоступных и международно признанных баз данных для обеспечения прозрачности и воспроизводимости. Таблица 1 суммирует переменные, единицы измерения, источники данных и ожидаемые признаки. Мощность возобновляемой энергии (REC) используется как зависимая переменная и измеряется как общая установленная мощность по производству возобновляемой электроэнергии (MW). Объяснительные переменные включают Индекс экологической эффективности (EPI), выбросы парниковых газов (ПГ), экологические технологии (EFT), измеряемые патентными заявками, связанными с окружающей средой, и зелёный ВВП, измеряемый как валовой внутренний продукт с учётом экологической деградации и истощения природных ресурсов (постоянный в 2015 году USD). Мощности возобновляемой энергетики, EPI, выбросы парниковых газов и EFT были получены из базы данных статистики ОЭСР, тогда как зелёный ВВП — из базы данных Всемирного банка. Все переменные преобразовывались в натуральные логарифмы перед оценкой для стабилизации дисперсии, снижения гетероскедастичности и облегчения интерпретации упругости.

Теоретическая основа и спецификация модели
Эмпирическая основа основана на КаяИдентичности 39, которая разлагает выбросы углекислого газа на население, экономическую активность, энергоёмкость и углеродную интенсивность, тем самым обеспечивая теоретическую основу для понимания факторов экологической устойчивости:

figure-protocol-1 (1)

где CO2 представляет собой выбросы углекислого газа; CO 2/Энергия обозначает углеродную интенсивность энергопотребления; Энергия/Зелёный ВВП отражает энергоёмкость экологически скорректированного экономического выпуска; Зелёный ВВП/население обозначает экологически скорректированный валовой внутренний продукт на душу населения; а Population — это общее население.

Объяснительные переменные напрямую соответствуют теоретическим компонентам тождества Кая. Индекс экологической эффективности отражает эффективность экологической политики, направленную на продвижение более чистых энергетических систем. Экологичные технологии отражают технологические инновации, повышающие энергоэффективность и снижающие затраты на возобновляемую энергию. Выбросы парниковых газов отражают экологическое давление на декарбонизацию, тогда как «зелёный ВВП» отражает экологически скорректированные экономические показатели. На основе этой системы следующая эмпирическая модельоценивается как 39:

figure-protocol-2 (2)

где REC обозначает возобновляемую энергию; EPI представляет собой Индекс экологической эффективности; ПГ обозначает выбросы парниковых газов; EFT представляет собой экологически чистые технологии; Зелёный ВВП обозначает экологически скорректированный валовой внутренний продукт; I индексирует страны; t индексирует годы; τ0 — перехват; τ1–τ4 — оценочные коэффициенты регрессии; εэто идосинкратический термин ошибки.

Диагностические тесты
Перед оценкой эмпирических моделей была проведена серия диагностических тестов для оценки статистических свойств данных панели и выявления подходящих методов оценки. Во-первых, поперечная зависимость была изучена с помощью теста Песарана на поперечную зависимость (CD) 34, поскольку страны ОЭСР, вероятно, столкнутся с общими шоками, вызванными глобальными экономическими условиями, международными энергетическими рынками и скоординированной экологической политикой:

figure-protocol-3 (3)

где N обозначает количество поперечных единиц; T обозначает количество временных периодов; i и k индексируют поперечные единицы сечения (i ≠ k); figure-protocol-4 представляет оценочный коэффициент парной корреляции остатков регрессии между поперечными единицами i и k; j обозначает порядок задержки; E(·) — это ожидаемое значение; а V(·) обозначает дисперсию, используемую для стандартизации статистики теста. Во-вторых, гетерогенность склонов оценивалась с помощью теста гетерогенности склонов Песаран–Ямагата, чтобы определить, различаются ли эффекты объяснительных переменных в разных странах40:

figure-protocol-5 (4)
figure-protocol-6 (5)

где Δ̃adj обозначает статистику теста гетерогенности скорректированного уклона; N обозначает количество поперечных единиц; T обозначает количество временных периодов; k — число объяснительных переменных; и S̃ представляет собой стандартизированную статистику дисперсии наклона Свами, используемую для оценки гетерогенности параметров по панельным единицам. Наконец, стационарность была оценена с помощью теста единичного корня Cross-sectionally Augmented Im–Pesaran–Shin (CIPS), который учитывает как поперечную зависимость, так и гетерогенные коэффициенты наклона41:

figure-protocol-7 (6)

где CIPS обозначает поперечно дополненную статистику единичных единиц Им–Песаран–Шин; N обозначает количество поперечных единиц; CDF i обозначает поперечно дополненную статистику Дикки–Фуллера для i-й поперечной единицы; и i индексирует отдельные поперечные единицы. Результаты этих диагностических тестов способствовали выбору панельных эконометрических методов второго поколения, подходящих для гетерогенных наборов панельных данных.

Тест коинтеграции панелей
Чтобы определить, существует ли стабильное долгосрочное равновесие между мощностью возобновляемой энергетики, эффективностью экологической политики, выбросами парниковых газов, экологическими технологиями и зелёным ВВП, был применён тест коинтеграции Panel ARDL bounds. По сравнению с традиционными остаточными коинтеграционными тестами, подход Вестерлунда учитывает поперечную зависимость, гетерогенные коэффициенты наклона и малые размеры выборки. Тест даёт четыре статистики: две статистики по групповому среднему(G t и Ga) и две панельные статистики (Pt иP a). Отвержение нулевой гипотезы указывает на наличие долгосрочной равновесной зависимости междупеременными 36,42:

figure-protocol-8 (7a)
figure-protocol-9 (7b)
figure-protocol-10 (7c)
figure-protocol-11 (7d)

где Gt и G a обозначают статистику тестов по групповому среднему в тесте коинтеграционных границ панели ARDL; Pt и P a обозначают статистику панельного тестирования; N обозначает количество поперечных единиц; T обозначает количество временных периодов; figure-protocol-12— расчетный коэффициент коррекции ошибок для i-й единицы сечения; figure-protocol-13 представляет собой объединённый коэффициент коррекции ошибок; SE(figure-protocol-14) и SE(figure-protocol-15) обозначают соответствующие стандартные ошибки; а i индексирует отдельные поперечные единицы. Наличие коинтеграции оправдывает оценку долгосрочной эластичности и последующие квантильные анализы.

Метод квантильной регрессии моментов (MMQR)
Поскольку традиционные панельные оценщики дают только средние эффекты, они могут скрывать значительную гетерогенность между странами, работающими на разных уровнях внедрения возобновляемой энергии. Для фиксации этих гетерогенных эффектов был использован метод квантильной регрессии моментов (MMQR).

MMQR оценивает влияние эффективности экологической политики, выбросов парниковых газов, экологически чистых технологий и зелёного ВВП на несколько условных квантилов возобновляемой энергии, позволяя влиянию объяснительных переменных изменяться в зависимости от зрелости внедрения возобновляемой энергии. Метод одновременно учитывает индивидуальные фиксированные эффекты и ненаблюдаемую гетерогенность, оценивая как параметры расположения, так имасштаба 43:

figure-protocol-16 (8)

где Qτ(Yit | Xit) обозначает условныйτ-й квантиль зависимой переменной; Y— это потенциал возобновляемой энергии (REC); Xобозначает вектор объяснительных переменных (EPI, выбросы парниковых газов, EFT и зелёный ВВП); σ1 — это перехват; ζ — вектор параметров местоположения; αi — это фиксированный эффект, специфичный для каждой страны; Zобозначает масштабные ковариаты; γ — вектор масштабных параметров; U— это термин ошибки; а также индексируют страны и годы соответственно в I и T . Масштабная компонента модели MMQR задаётся следующимобразом 43:

figure-protocol-17 (9)

где Zi(X) обозначает масштабную функцию объяснительных переменных; Zi представляет вектор масштабных ковариат; X обозначает вектор объяснительных переменных; i индексирует поперечные единицы (страны); а k обозначает общее число объяснительных переменных. В качестве анализа устойчивости также была оценена традиционная панельная квантильная регрессия с ошибками стандарта bootstrap для проверки согласованности результатов MMQR.

Панельный тест на причинность
Направление причинно-следственных связей между возобновляемыми энергетическими мощностями, эффективностью экологической политики, выбросами парниковых газов, экологически чистыми технологиями и зелёным ВВП было изучено с помощью не-причинно-следственного теста Грейнджер панели Думитреску–Херлина 44. Этот подход учитывает поперечную зависимость и гетерогенные структуры панелей, одновременно определяя, являются ли причинно-следственные связи однонаправленными или двунаправленными.

Панельный анализ причинно-следственной связи дополняет коинтеграционный и MMQR-анализ, различая переменные, определяющие мощность возобновляемой энергии, и те, которые реагируют на изменения в развертывании возобновляемой энергии. Установление причинно-следственной связи предоставляет дополнительные доказательства для формирования приоритетов политики и последовательности вмешательств в области возобновляемой энергии.

Все статистические анализы проводились с помощью программного обеспечения для статистического анализа. Аналитическая последовательность — от диагностического тестирования и коинтеграционного анализа до квантильной регрессии и панельного причинно-следственного тестирования — предоставляет последовательную и воспроизводимую основу для оценки факторов, определяющих потенциал возобновляемой энергетики в странах ОЭСР.

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

Результаты

Описательная статистика
Распределительные характеристики переменных исследования были изучены до эконометрической оценки. Таблица 2 суммирует описательные статистические данные по логарифмически преобразованным переменным в 21 стране ОЭСР в период 2000–2020 годов. Мощность возобновляемой энергетики (REC), индекс экологической эффективности (EPI), выбросы парниковых газов (GHG), экологически чистые технологии (EFT) и зелёный ВВП демонстрировали значите...

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

Обсуждение

В настоящем исследовании рассматривались факторы, определяющие мощность возобновляемой энергетики в 21 стране ОЭСР в период с 2000 по 2020 год, интегрируя эффективность экологической политики, выбросы парниковых газов (ПГ), экологически чистые технологии (EFT) и зелёный ВВП в рамках квантильной регрессии метода моментов (MMQR). Результаты показывают значительную гетерогенность условного распределения мощностей возобновляемой энергии, что указывает на то, что влияние экологических, технол...

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

Раскрытие информации

Все авторы заявляют, что не имеют конфликта интересов.

Благодарности

Эта работа поддерживается проектом по философии и социальным наукам Департамента образования провинции Цзянсу (2022SJYB2268).

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

Материалы

```html
Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Тест корня блокового индекса (CIPS)StataCorpStata 18Реализован с использованием команды xtcips или multipurt для теста на блоковый корень Im-Pesaran-Shin.
Тест на зависимость по поперечному сечению (CD)StataCorpStata 18Реализован с использованием команды xtcsd для выполнения теста CD Pesaran.
Панельный тест Гранжера на отсутствие причинной связи Dumitrescu–HurlinStataCorpStata 18Реализован с использованием команды xtgcause для анализа причинной связи на панели.
Экологически чистые технологии (EFT)OECD StatisticsН/ДДанные о заявках на патенты, связанные с окружающей средой, извлечены из базы данных OECD Statistics (https://stats.oecd.org/).
Экологический индекс эффективности (EPI)OECD StatisticsН/ДДанные извлечены из базы данных OECD Statistics (https://stats.oecd.org/).
EViewsIHS Global Inc.Версия 14Альтернативное программное обеспечение для статистического анализа панельной эконометрики.
Зеленый ВВПWorld BankН/ДДанные извлечены из базы данных World Bank DataBank (https://databank.worldbank.org/). В частности, данные по скорректированным чистым накоплениям, используемые для расчета Зеленого ВВП.
Эмиссия парниковых газов (GHG)OECD StatisticsН/ДДанные извлечены из базы данных OECD Statistics (https://stats.oecd.org/).
Квантильная регрессия метода моментов (MMQR)StataCorpStata 18Реализован с использованием команды mmqreg, которую необходимо установить из архива статистических компонентов (SSC).
Тест на гетерогенность наклона Pesaran–YamagataStataCorpStata 18Реализован с использованием команды xttest3 или xthetero.
RR FoundationВерсия 4.6.0 или вышеОткрытое программное обеспечение для статистических вычислений.
Мощность возобновляемой энергии (REC)OECD StatisticsН/ДДанные извлечены из базы данных OECD Statistics (https://stats.oecd.org/).
Панельный тест коинтегрированности WesterlundStataCorpStata 18Реализован с использованием команды xtwest, которую необходимо установить из SSC
```

Ссылки

  1. Hassan Q, et al. The renewable energy role in the global energy Transformations. Renewable Energy Focus. 2024 Mar 1;48:100545.
  2. Wang Z, et al. The transition of renewable energy and ecological sustainability through environmental policy stringency: Estimations from advanced panel estimators. Renew Energy. 2022;188:70-80.
  3. Zhang D, Kong Q. Green energy transition and sustainable development of energy firms: An assessment of renewable energy policy. Energy Econ. 2022;111:106060.
  4. Zhou X, et al. Transition to renewable energy and environmental technologies: The role of economic policy uncertainty in the top five polluted economies. J Environ Manage. 2022;313:115019.
  5. Ullah S, Luo R, Nadeem M, Cifuentes-Faura J. Advancing sustainable growth and energy transition in the United States through the lens of green energy innovations, natural resources and environmental policy. Resour Policy. 2023;85:103848.
  6. Yin HT, Wen J, Chang CP. Going green with artificial intelligence: The path of technological change toward the renewable energy transition. Oecon Copernicana. 2023;14(4):1059-1095.
  7. Niaz MS, Khoso AK, Talpur KR, Talpur BA. Beyond the curve: How economic complexity and pandemics reshape the energy-emissions nexus in Asia. IEEE Access. 2026;14:22946-22957.
  8. Rabbani MR, Kiran M. Financing the future: Insights into sustainable energy investments through scientific mapping and meta-analysis. Discov Sustain. 2025;6(1):34.
  9. Obrero EJ, Mohamed N. The nexus between carbon pricing, clean fuel technology, and renewable energy sources: implications for carbon emission reduction. Climate Economics and Social Impact (CESI). 2023;1(1):55-67.
  10. Sahoo M, Sethi N, Padilla MA. Unpacking the dynamics of information and communication technology, control of corruption, and sustainability in green development in developing economies: New evidence. Renew Energy. 2023;216:119088.
  11. Liu H, Zhu Q, Khoso WM, Khoso AK. Spatial pattern and the development of green finance trends in China. Renew Energy. 2023;211:370-378.
  12. Behera B, Sucharita S, Patra B, Sethi N. A blend of renewable and non-renewable energy consumption on economic growth in India: The role of disaggregate energy sources. Environ Sci Pollut Res. 2024;31(3):3902-3916.
  13. Sabbar SS. An econometric analysis of the causes of environmental degradation in developing countries. Climate Economics and Social Impact (CESI). 2023;1(1):24-38.
  14. Saleh HM, Hassan AI. The challenges of sustainable energy transition: A focus on renewable energy. Appl Chem Eng. 2024;7(2):2084.
  15. Rabbani MR, Kiran M. The nexus of FinTech, environmental sustainability, and climate change: Insights from OIC emerging economies. Sustain Futures. 2025;10:100986.
  16. Javed A, et al. Do green technology innovation, environmental policy, and the transition to renewable energy matter in times of ecological crises? A step toward ecological sustainability. Technol Forecast Soc Change. 2024;207:123638.
  17. Omri A, Jabeur SB. Climate policies and legislation for renewable energy transition: The roles of the financial sector and political institutions. Technol Forecast Soc Change. 2024;203:123347.
  18. Das A, Sethi N. Modelling the environmental pollution-institutional quality nexus in low- and middle-income countries: Exploring the role of financial development and educational level. Environ Dev Sustain. 2023;25(2):1492-1518.
  19. Ghaffar A, Sardar M. Different regions' climate vulnerability and the success of transitioning to renewable energy. Climate Economics and Social Impact (CESI). 2023;1(1):39-54.
  20. Liza FF, et al. Environmental technology development and renewable energy transition toward carbon-neutrality goals in G20 countries. Clean Technol Environ Policy. 2024;26(10):3369-3390.
  21. Ivanovski K, Marinucci N. Policy uncertainty and renewable energy: Exploring the implications for global energy transitions, energy security, and environmental risk management. Energy Res Soc Sci. 2021;82:102415.
  22. Jain S, Puri N, Rabbani MR. Dynamic interconnectedness and risk transmission in green, clean energy, and sustainable markets. Indian J Finance. 2025;29-48.
  23. Sun G, Li G, Dilanchiev A, Kazimova A. Promotion of green financing: The role of renewable energy and energy transition in China. Renew Energy. 2023;210:769-775.
  24. Behera P, et al. Pathways to achieve carbon neutrality in emerging economies: Catalyzing the role of renewable energy, green growth, information and communication technology, and political risk. Renew Energy. 2025;243:122514.
  25. Wei S, Jiandong W, Saleem H. The impact of renewable energy transition, green growth, green trade, and green innovation on environmental quality: Evidence from the top 10 green future countries. Front Environ Sci. 2023;10:1076859.
  26. Chen B, Xiong R, Li H, Sun Q, Yang J, et al. Pathways for sustainable energy transition. J Clean Prod. 2019;228:1564-1571.
  27. Jacobsson S, Lauber V. The politics and policy of energy system transformation: Explaining the German diffusion of renewable energy technology. Energy Policy. 2006;34(3):256-276.
  28. Esiri AE, Kwakye JM, Ekechukwu DE, Benjamin O. Public perception and policy development in the transition to renewable energy. Magna Sci Adv Res Rev. 2023;8(2):228-237.
  29. Pradhan P, et al. Can green growth and ecological footprint mitigation go hand in hand? The role of sectoral energy consumption, green innovation, and greenfield investment in emerging economies. Econ Change Restruct. 2025;58(2):18.
  30. Kilinc-Ata N, Çamkaya S. Assessing the impact of technology on the European Union clean energy transition: Evidence from the Green Energy Mix Quality Index. Int J Energy Sect Manag. 2026;20(4):1068-1087.
  31. Li Y, et al. Geopolitical risks and the global renewable energy transition: Implications for energy security and economic resilience. Energy Rep. 2026;15:108875.
  32. Li B. The role of financial markets in the energy transition: An analysis of investment trends and opportunities in renewable energy and clean technology. Environ Sci Pollut Res. 2023;30(43):97948-97964.
  33. Sethi L, et al. Sustainable future orientation for BRICS+ nations: Green growth, political stability, renewable energy, and technology for ecological footprint mitigation. Renew Energy. 2025;244:122701.
  34. Pesaran MH, Schuermann T, Weiner SM. Modeling regional interdependencies using a global error-correcting macroeconometric model. J Bus Econ Stat. 2004;22(2):129-162.
  35. Behera P, Sethi L, Saqib N, Sethi N. Green finance and public-private partnerships: Dynamic ARDL insights into renewable energy and air quality enhancement. Econ Change Restruct. 2026;59(1):16.
  36. Westerlund J. Testing for error correction in panel data. Oxf Bull Econ Stat. 2007;69(6):709-748.
  37. Zhang X, Feng D, Wang J, Sui A. Integrating renewable energy systems: Assessing financial innovation, renewable energy generation intensity, energy transition, and environmental regulation with renewable energy sources. Energy Strateg Rev. 2024;56:101567.
  38. Asante D, et al. Renewable energy technology transition among small- and medium-scale firms in Ghana. Renew Energy. 2021;178:549-559.
  39. Kaya Y. Impact of carbon dioxide emission control on GNP growth. Energy and Industry Subgroup, Response Strategies Working Group, Intergovernmental Panel on Climate Change (IPCC). Paris, France. 1990.
  40. Pesaran MH, Yamagata T. Testing slope homogeneity in large panels. J Econometrics. 2008;142(1):50-93.
  41. Pesaran MH. A simple panel unit root test in the presence of cross-section dependence. J Appl Econom. 2007;22(2):265-312.
  42. Chudik A, Pesaran MH, Shin Y. Long-run effects in large heterogeneous panel data models with cross-sectionally correlated errors. Adv Econ. 2016;36:85-135.
  43. Machado JAF, Silva JMC. Quantiles via moments. J Econometrics. 2019;213(1):145-173.
  44. Dumitrescu EI, Hurlin C. Testing for Granger non-causality in heterogeneous panels. Econ Model. 2012;29(4):1450-1460.
  45. Behera B, Behera P, Sucharita S, Sethi N. Mitigating ecological footprint in BRICS countries: Unveiling the role of disaggregated clean energy, green technology innovation, and political stability. Discov Sustain. 2024;5(1):165.
  46. Omri A, Hamza F, Alkahtani N. When do innovation and renewable energy transition drive environmental sustainability? Sustainability. 2025;17(15):6910.
  47. Jiang Y, Guo Y, Bashir MF, Shahbaz M. Do renewable energy, environmental regulations, and green innovation matter for China's zero-carbon transition? Evidence from green total factor productivity. J Environ Manage. 2024;352:120030.
  48. Behera B, et al. Fuelling the low-carbon transportation sector in emerging economies: Role of institutional quality, environmental tax, green technology innovation, and biofuel. Transp Policy. 2025;166:124-134.
  49. Osei A, Osei Agyemang A, Kofi Boadi P. Navigating the path to ecological sustainability in MENA's green transition: The role of renewable energy adoption and environmental regulation. Manage Environ Qual. 2025;36(6):1352-1371.
  50. Zhong J, Kan HY. The impact of government policy, natural resources, and ecological innovations on energy transition and environmental sustainability: Insights from China. Resour Policy. 2024;89:104531.
  51. Behera P, Behera B, Sethi N, Handoyo RD. What drives environmental sustainability? The role of renewable energy, green innovation, and political stability in OECD economies. Int J Sustain Dev World Ecol. 2024;31(7):761-775.
  52. Sethi L, Behera P, Behera B, Sethi N. Unravelling the role of renewable energy, information and communication technology, and agricultural credit for sustainable agricultural productivity in developing countries. Int J Sustain Dev World Ecol. 2024;31(7):989-1003.

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

Перепечатки и разрешения

Теги

234234
Видео скоро будет доступно
Свяжитесь с нами
Рекомендовать библиотеке

Конфиденциальность

Условия эксплуатации

Политика

Авторские права © 2026 MyJoVE Corporation. Все права защищены.