这项研究试图确定清洁能源、股票市场发展和国际投资之间的合作是否会削弱CO2在塞浦路斯的排放。我们的研究采用描述性统计和相关性来了解变量的正态性和多重共线性。ADF验证了变量的平稳性。根据短期ARDL模型,外商直接投资的增加会降低CO2随着经济的增长,二氧化碳的排放量也在增加2排放在短期内会增加。可再生能源消耗降低CO2短期内的排放。股市在短期内与二氧化碳排放量呈正相关。根据杜宾沃森值,该模型不存在序列相关性。然而,从长期来看,ARDL揭示了外国直接投资与CO呈负相关2从长远来看。可再生能源对CO有负面影响2长期排放。股票市场对CO有正向影响2排放。误差修正模型显示,从短期到长期的调整速度高达16.6%。边界检验验证了因变量和自变量之间的长期均衡关系。这项研究为塞浦路斯提出了许多政策方向。
清洁能源;经济增长;环境污染;国际投资;股票市场
尽管2019冠状病毒病(Covid - 19)疫情导致经济低迷,但2020年全球清洁能源产能增长超出此前预期,创下历史新高。根据国际清洁能源机构irena的数据,去年全球获得了超过260千兆瓦的清洁能源,比2019年增加了50%以上。从全球具体数据来看,从2009年开始,清洁能源总量录得1135599GW, 2010年清洁能源增加到122335 gw, 2011年增加到1329886 gw, 2012年清洁能源增加到11442763 gw, 2013年增加到1564390 gw, 2014年清洁能源增加到1694061GW, 2015年提高到1847258 gw, 2016年清洁能源产量增加到2010005 gw, 2017年增加到2180389 gw, 2018年清洁能源增加到2358749 gw,2019年清洁能源增加到2538441个,2020年清洁能源增加到2799094个。全球清洁能源生产每年都有显著增长(图1)。
图1:世界可再生能源总容量。
在欧洲从2009年开始,清洁能源总记录814713 mw, 2010年清洁能源增加到8898824,2011年增加到360883,2012年清洁能源增加到395154,419914年2013年清洁能源改善,2014年增加到440774,2015年清洁能源增加到465057,2016年增加到488578,2017年清洁能源生产增加到512890,2018年增加到537570,2019年清洁能源增加到575167和2020年清洁能源扩充到609499人。在欧洲,清洁能源生产经历了巨大的增长(图2)。
图2:可再生能源总容量。
塞浦路斯是地中海东部的瑰宝,拥有郁郁葱葱的平原、无尽的阳光、陡峭的山脉和壮丽的海滩,其令人惊叹的景观亟待保护。转向清洁能源是保持环境安全的有效方法之一。欧洲2020年的政策目标概述了塞浦路斯问题。这些目标包括当地资源的增长、能源供应安全的改善、竞争力的提高以及环境安全。塞浦路斯必须在该项目中实现清洁能源占其最终能源利用总量的13%。
自2019年以来,塞浦路斯将清洁能源总量增加到12兆瓦。2010年,清洁能源增加到97个;2011年,这一数字增至153;2012年,清洁能源增加到173个。2013年,清洁能源提升至192个。2014年,这一数字增至221。2015年,清洁能源增加到244种。2016年增至252家;2017年,清洁能源产量增至289个。2018年增至322家; in 2019, clean energy increased to 322; and in 2020, clean energy augmented to 371. In Cyprus, clean energy production recorded incredible growth per (Figure 1).
塞浦路斯能源监管局(CERA)开始行动,重点是全面的能源市场改革,该改革于21年完成。其目标是为客户提供供应商选择,并敦促私营部门生产用于商业用途的清洁能源。在这方面,2017年推出了修订计划,该计划后来在2018年进行了更新,旨在鼓励安装高达8兆瓦的pv系统,高达17.5兆瓦的风能系统和高达5兆瓦的生物质利用系统
由于欧盟的清洁能源指令有约束力的要求,清洁能源产量下降13%可能会导致每天评估的巨额罚款。尽管每天的惩罚已经确定,但欧盟委员会建议每天罚款11,404.80欧元,直到达到所需的清洁能源比例。塞浦路斯似乎承认了该指令的法律效力,因为政府宣布在2019年预算中共分配了59欧元用于能源补贴,其中约3000万欧元直接用于清洁能源发电。
尽管有这些努力,塞浦路斯仍然是欧盟国家中对化石燃料依赖程度最高的国家,这对塞浦路斯构成了重大挑战。目前,进口常规能源提供了该国能源需求的近90%,占经济增长总量的8%。这项研究的新奇之处在于它是独一无二的。在塞浦路斯没有讨论过这种性质的专题。与此研究相似的是[2]。本研究遵循现有的方法,在[2]的基础上增加了一种新的方法,如ARDL方法。唯一的研究强调了股票市场相关的国际投资和清洁能源确保塞浦路斯的环境质量。在上述背景下,研究的答案是“清洁能源、股票市场发展和国际投资之间的合作是否会削弱CO ?2在塞浦路斯排放?”本研究分为五个部分:引言部分、方法部分、数据展示、分析讨论、结论和政策方向。
文献分为三个部分。由此可见可再生能源与二氧化碳排放、股票市场发展与二氧化碳排放、国际投资与二氧化碳排放之间的联系。
研究清洁能源和不可再生能源使用之间的相互关系,CO2发射,以及26个欧洲国家的经济增长。这些信息来自WDI,涵盖了1990年至2018年。结果格兰杰因果关系表明,清洁,不可再生能源,公司之间的长期联系2经济扩张。这项研究的结果与其他研究的结果相矛盾,尽管它们表明可再生能源和co .之间存在单向的因果关系2.结果表明,清洁能源与不可再生能源是相互依存的、可互换的。同时,[4]研究旨在检验STIROAT模型在1980 - 2011年经合组织国家二氧化碳排放量评估中的适用性。实证结果表明,可再生能源的使用与温室气体排放量的下降相关2排放。同时,[5]研究结果表明,可再生能源对CO的贡献显著2SSEA区域的排放。此外,实证结果表明,中等收入国家的清洁能源/化石燃料能源消费大幅增加,导致SSEA地区温室气体排放增加。此外,[6]还研究了可再生能源使用、经济增长和公司之间的相互作用2排放。在其他方面,笔者运用了结构VAR方法进行分析。对所讨论变量的单位根检验表明,它们在其水平上是非平稳的,在其水平上是平稳的第一个不同的形式。研究结果表明,随着清洁能源使用的增加,国内生产总值将上升2排放下降。方差分解突出了使用清洁能源在减少经济增长和二氧化碳排放预测误差方差方面的重要性。相应的,[7]利用ARDL界检验方法,探索了co2排放对巴基斯坦人口增长、外国投资和清洁能源的影响。采用两两格兰杰因果关系法进行因果关系检验。研究结果表明,2排放与清洁能源有不良联系。此外,[8]考察了可再生能源和不可再生能源消费实际收入对CO的影响2结构断裂试验的排放证据。根据带结构断裂的Zivot-Andrews单元腐蚀试验,研究变量在第一个差值处趋于平稳。有限公司2根据具有结构断裂的Gregory-Hansen协整检验,与可再生能源进行协整。根据ARDL模型的长期预测,可再生能源使用的改善可以缓解环境。
[9]考察经济政策的不确定性和FDI直接投资如何影响CO2从2001年到2019年,24个工业化国家和发展中国家的排放量。通过横断面依赖关系和协整检验,采用动态似不相关回归和面板向量误差修正模型等格兰杰因果关系方法进行长期估计,验证变量之间的因果关系。相反,国际投资每增加1%,CO就会减少2排放。[7]利用ARDL界检验方法和格兰杰因果关系方法,分析了co .的动态相互作用2排放对巴基斯坦人口增长、外国投资和可再生能源的影响。结果表明,FDI与人口增长之间存在显著的正向交互作用2这意味着巴基斯坦的政府需要一个严格的基准,通过妖魔化二氧化碳排放来提高经济增长。[10]从1990年到2017年,选择了一个“一带一路”倡议国家小组,调查外国直接投资和全球化对合作的作用2通过能源使用的渠道。根据动态的看似不相关的回归,FDI并不能预测长期的二氧化碳排放量。这意味着国际投资减少了碳排放,从而减轻了对环境的影响2排放。看看土耳其对外贸易和二氧化碳排放之间的关系。研究采用线性和非线性ARDL模型,确定了进口、出口和FDI对CO的显著不对称影响2.然而,从长期来看,外国直接投资没有显著影响。出口的减少减少了CO2而出口的增加并不影响CO的排放2.从长期来看,进口的增加会提高CO2排放。另一方面,从长远来看,出口减少没有任何影响。城市化和金融发展对进出口有积极影响。研究发现,实际人均GDP的增加导致了最近几十年二氧化碳排放量的最小化。对于四个域中的两个域,总体CO排放量的变化2国家的出口和进口数字以不同的方式反映在部门二氧化碳排放份额中。在这些情况下,出口导致二氧化碳份额降低,而进口导致二氧化碳份额增加2份额。同样,[12]研究了外国直接投资、可再生能源、不可再生能源、GDP和co之间的联系2在26个欧洲国家。该研究在分析中采用了不平衡面板数据。格兰杰因果关系表明,FDI与企业之间存在显著的长期因果关系2排放。由于fdi主导的增长似乎并不适用于欧盟国家和五个新成员国,fdi主导的增长似乎并不是一个可行的选择。另一方面,外国直接投资流入对公司的短期影响2排放在1 -4的扩大国家的影响可以忽略不计,但从长远来看,这种影响会消失。
Lee(2005)再次研究了马来西亚FDI与污染之间的关系。根据东道国的发展水平,研究结果显示这两个因素之间存在不同的因果关系。二氧化碳排放是FDI流入的Granger原因。
[13]对1980- 2016年欧盟国家股票市场发展与低碳经济的研究发现,股票市场有利于低碳经济的发展。研究集中于通过非线性分析发现股票市场发展、能源效率和环境质量之间的非对称联系。研究结果表明,股票市场指标的正面和负面冲击会加剧环境污染,从而使环境质量最低化。[15]在一个由60个发展中国家组成的小组中,集中研究1990年至2014年发展中国家的环境退化对股市发展的反应。从披露来看,股票市场在短期和长期都减少了环境恶化。[16]研究通过CCEMG模型研究了1981-2017年G20经济体在清洁能源使用和国际投资方面的股票市场和金融机构发展。研究结果表明,发达国家的股票市场改善了环境质量,而发展中国家的股票市场降低了环境质量。[2]研究了1993年至2018年金砖国家股市、清洁能源使用和城市化对二氧化碳排放的影响。研究显示,股票市值会影响中国、印度、俄罗斯和南非的二氧化碳排放量。在同一研究中,巴西股市与环境污染正相关。 [17] Examined stock market development and carbon intensity from south Asian countries spanning from 1990-to 2016 via the CS-ARDL approach. Findings from the study indicate that stock market development invigorates carbon intensity.
数据描述
研究清洁能源、国际投资和股票市场对减缓CO的影响2在塞浦路斯的排放。我们的研究试图简单地描述变量,如(表1)所示。变量的详细描述在(附录中的表6)部分。
变量(年代) |
首字母缩写 |
代理 |
源 |
清洁能源 |
刚建成时 |
清洁能源消费(占最终能源消费总量的百分比) |
编写《 |
股票市值 |
SMC |
国内上市公司市值(现行美元) |
编写《 |
国际投资 |
2 |
外国直接投资净额(国际收支,当期美元) |
编写《 |
二氧化碳排放 |
二氧化碳 |
二氧化碳排放量(人均公吨) |
编写《 |
表1:变量首字母缩写、代理和源。
模型规范
分析CO与CO之间的关系21990年至2018年塞浦路斯的排放、股票市场发展、国际投资和清洁能源消费,我们使用了ARDL模型,[16]用于相关研究。广义ARDL模型被指定为:
其中Y 't是一个向量,(X 't)中的变量允许是纯粹的I(0)或I(1)或协整:β和δ是系数:Y是常数:I =1,....,k;p,q是最佳滞后阶数;它是误差项的矢量——不可观测的零均值白噪声矢量过程(序列不相关或独立)。
为了执行协整的边界检验,有四个变量的条件ARDL被指定为:
误差修正模型
错误修正模型(ECM)表示被指定为:
α1我,α12,α13模型调整的短期动态系数是长期均衡吗
描述性统计
本部分显示CO的描述性统计2、REC、GDP和FD1。因此,有必要运行描述性统计来了解我们的数据所传达的信息。同样,由于我们的研究是定量研究,我们必须进行如(表2)所示的描述性统计。我们未能拒绝具有概率静态值的正态分布的零假设。我们可以说,REC, SMC, GDP和CO2相反,FDI没有正态分布,因为它有显著的统计值。因此,我们拒绝接受国际投资的正态分布,因为这种分布显然不是正态分布。
矩形 |
SMC |
国内生产总值 |
外国直接投资 |
有限公司2 |
|
的意思是 |
0.528676 |
4.333754 |
0.442941 |
2.3324941 |
0.836313 |
中位数 |
0.5286760 |
0.0000000 |
0.570888 |
0.000000 |
0.846861 |
最大 |
1.084347 |
10.236882 |
0.973128 |
10.18425 |
0.893226 |
最低 |
-0.475137 |
0.000000 |
-0.396382 |
0.000000 |
0.746446 |
Std.Dev |
0.465187 |
4.897775 |
0.381399 |
4.214042 |
0.043400 |
偏态 |
-1.026349 |
0.214001 |
-0.589624 |
7.476732 |
-0.506508 |
峰度 |
3.122611 |
4.797202 |
2.785450 |
0.023793 |
2.026176 |
Jacque-Bera |
5.109564 |
4.797202 |
2.785450 |
7.476732 |
2.385898 |
概率 |
0.077709 |
0.0908450 |
0.248397 |
0.023793 |
0.303325 |
总和 |
15.33160 |
125.6789 |
12.84529 |
67.64234 |
24.25309 |
Sum Sq, Dev。 |
6.059159 |
671.6697 |
4.073028 |
497.2283 |
0.052741 |
表2:描述性统计。
此外,必须使用面板数据序列来检查数据的平稳性。因此,本研究采用ADF标准单位根检验进行平稳性检验。所有变量都积分在我(1)和我(0)每个(表3和表4)表示短期ARDL估计。有限公司2滞后期本身对当期有积极影响。滞后1时,外国直接投资对CO有负向影响2排放,但在短期内并不显著。外国直接投资的增加会降低CO2排放。我们发现的这一部分与[12]是一致的。在GPD的情况下,GDP对CO有正向影响2,但影响并不显著。这意味着,随着经济增长,CO2排放增加。与[7]一致。
方法 |
水平 |
一次差 |
||
常数 |
常数和趋势 |
常数 |
常数和趋势 |
|
LnCO2 |
-1.3064 |
-2.2468 |
-4.1532 * * * |
-4.2944 * * |
LnREC |
-2.3236 |
-3.2996 |
-3.7388 * * |
-3.8332 * |
LnSMC |
-0.9437 |
-2.1011 |
-5.1524 * * * |
-5.0492 * * * |
LnFDI |
-4.5156 * * |
-4.9507 * * * |
-2.9063 |
-2.38016 |
LnGDP |
-4.4721 * * * |
-2.6851 |
-4.1532 * * |
-4.2944 * * |
表3:单位根检验(ADF)。
变量 |
系数 |
性病。错误 |
t。统计 |
概率* |
LnCO2(1) |
0.833 |
0.0743 |
11.200 |
0.000 |
LnFDI |
-0.000 |
0.000 |
-0.511 |
0.614 |
LnFDI (1) |
-0.001 |
0.000 |
-1.434 |
0.166 |
LnGDP |
0.018 |
0.009 |
1.993 |
0.060 |
LnREC |
-0.035 |
0.020 |
-1.674 |
0.109 |
LnREC (1) |
0.024 |
0.000 |
1.230 |
0.232 |
LnSMC |
0.000 |
0.000 |
0.345 |
0.733 |
C |
0.142 |
0.064 |
2.217 |
0.038 |
调整后的平方 |
0.890 |
|||
f统计量 |
32.441 |
|||
概率(f统计量) |
0.000 |
表4:ARDL短期评估。
可再生能源消耗对CO有负面影响2但排放量不显著,说明可再生能源消耗降低了CO2短期内的排放。我们的这些研究结果并不支持[6]的结果。股票市场与二氧化碳排放量在短期内呈正相关,但不显著。这意味着股票市场可以增加CO2短期内的排放。这部分发现与[2]和[17]一致。调整后的r平方为89%值32.44(p=0.00)显著,Durbin Watson值为2.4263,证明不存在序列相关性。
(表4)给出了ARDL误差修正模型。基于误差修正模型,外商直接投资与CO呈负相关2排放量不大。这意味着外国直接投资可以降低CO2短期内的排放。可再生能源损害CO2具有显著概率值的排放。所以在短期内,可再生能源可以将CO降到最低2在塞浦路斯的排放。CointEq(-1)*值为-0.166表示从短期到长期的高速调整。如果有任何不平衡,从短期调整到长期需要平均16.6%的速度。(表5)展示了长期的ARDL表单。
变量 |
系数 |
性病的错误 |
t统计量 |
概率。 |
C |
0.142 |
0.064 |
2.217 |
0.038 |
LnCO2 (1) * |
-0.166 |
0.074 |
-2.241 |
0.036 |
LnFDI (1) |
-0.001 |
0.001 |
-1.817 |
0.084 |
LnGDP * * |
0.018 |
0.009 |
1.993 |
0.060 |
LnREC (1) |
-0.010 |
0.008 |
-1.226 |
0.234 |
LnSMC * * |
0.000 |
0.000 |
0.345 |
0.733 |
表5:ARDL长期运行估计。
CO的滞后期2对当期有负面影响。这意味着有限公司2负面影响本身。外商直接投资与CO呈负相关2从长远来看,但并不重要。这表明外国直接投资可以降低CO2长期排放。这一发现与Lee(2005)和[11]形成对比。GDP与CO呈正相关2长期排放,但并不显著。这意味着经济增长可以增加CO2对塞浦路斯的长远影响可再生能源对CO有负面影响2排放,但不显著。这表明可再生能源可以减少CO2长期排放。我们的这部分结果与[4]和[5]一致。另一方面,股票市场对CO有正向影响2排放,但并不显著。这与[13]和[14]形成对比。(表6)给出了Bounds检验的信息。f统计值表示因变量和自变量之间的长期均衡关系。
检验统计量 |
价值 |
Signif |
我(0) |
我(1) |
统计量 |
4.264 |
10% |
2.2 |
3.09 |
K |
4 |
5% |
2.56 |
3.49 |
2.5% |
2.88 |
3.87 |
||
1% |
3.29 |
4.37 |
表6:F-Bounds测试。
这部分结果与[3]一致。f-statistics值高于5%、10%和2%的下界和上界[18-54]。这意味着我们的模型通过了协整检验。
这项研究试图确定清洁能源、股票市场发展和国际投资之间的合作是否会削弱CO2在塞浦路斯的排放。我们的研究采用描述性统计和相关性来了解变量的正态性和多重共线性。ADF验证了变量的平稳性。根据短期ARDL模型,外商直接投资的增加会降低CO2随着经济的增长,二氧化碳的排放量也在增加2排放在短期内会增加。可再生能源消耗降低CO2短期内的排放。股市在短期内与二氧化碳排放量呈正相关。根据杜宾沃森值,该模型不存在序列相关性。
然而,从长期来看,ARDL揭示了外国直接投资与CO呈负相关2从长远来看。可再生能源对CO有负面影响2长期排放。股票市场对CO有正向影响2排放。误差修正模型显示,从短期到长期的调整速度高达16.6%。边界检验验证了因变量和自变量之间的长期均衡关系。这项研究的发现引发了以下政策见解。实施有效的国际投资股票市场发展政策,加快清洁能源消费,最大限度地减少环境退化。研究结果表明,股票市场的发展与环境质量呈正相关,这意味着塞浦路斯应该加大对股票市场发展的投资。
此外,需要转变对股票市场发展的看法,塞浦路斯官员应实施促进该行业增长的法规。这项研究还填补了能源委员会对环境缓解和恢复系统覆盖极少所造成的环境影响的空白。因此,迫切需要关注能源效率,提高能源生产和传输的技术知识,并以清洁燃料取代传统燃料。这将有助于扭转能源生产及其利用对环境的不利影响。这项研究调查了清洁能源、国际投资和股票市场发展对塞浦路斯环境质量的影响;因此,未来的研究应该研究塞浦路斯的制度缺陷,特别是那些阻碍国际投资和环境法的缺陷。
伦理批准
不适用
参与同意书
不适用
发表同意书
不适用
作者的贡献
BAA写了介绍部分,方法,分析和解释有关研究课题的数据。所有作者阅读并批准最终手稿
资金
目前的研究没有得到任何人或组织的任何资助。
相互竞争的利益
作者宣称他们没有竞争利益
数据和材料的可用性
本研究中使用和/或分析的数据可根据合理要求从通讯作者处获得
变量(年代) |
首字母缩写 |
代理 |
定义 |
源 |
清洁能源 |
刚建成时 |
可再生能源消耗(占最终能源消耗总量的百分比) |
清洁能源消费是指可再生能源占最终能源消费总量的比重。 |
编写《 |
股票市值 |
SMC |
国内上市公司市值(现行美元) |
股票市值:市值(也称为市值)是国内上市公司的股价乘以流通股数量(包括其不同类别)。投资基金、单位信托基金和唯一业务目标是持有其他上市公司股份的公司被排除在外。这些数据是根据相应的年终汇率将年终价值换算成美元。 |
编写《 |
国际投资 |
2 |
外国直接投资净额(国际收支,当期美元) |
国际投资:国际投资是指在投资者以外的经济体中经营的企业获得长期管理权益(10%或更多有表决权的股票)的投资净流入。如国际收支表所示,它是权益资本、收益再投资、其他长期资本和短期资本的总和。这个系列显示了净外国直接投资总额。在BPM6中,金融账户余额是按资产变化减去负债计算的。外国直接投资净流出是资产,外国直接投资净流入是负债。数据以当前美元计算。 |
编写《 |
CO2排放 |
有限公司2 |
有限公司2排放量(人均公吨) |
二氧化碳排放源于化石燃料的燃烧和水泥的制造。它们包括固体、液体和气体燃料以及气体燃除过程中产生的二氧化碳。 |
编写《 |
表6:变量的详细描述。
引用:Asiedu BA(2022)清洁能源、股票市场发展和国际投资之间的合作能减少二氧化碳排放吗?来自塞浦路斯的洞察。环境科学学报,9:036。
版权:©2022 Benjamin Ampomah Asiedu, et al。这是一篇开放获取的文章,根据创作共用署名许可的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是要注明原作者和来源。