| تعداد نشریات | 60 |
| تعداد شماره‌ها | 2,040 |
| تعداد مقالات | 16,469 |
| تعداد مشاهده مقاله | 43,650,780 |
| تعداد دریافت فایل اصل مقاله | 24,821,581 |
بررسی نقش ریسک‌های اقتصادی، مالی و سیاسی بر انتشار کربن در ایران: رهیافت رگرسیون کوانتایل بر کوانتایل (QQR) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| پژوهش‌های اقتصادی ایران | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مقاله 1، دوره 28، شماره 96، آبان 1402، صفحه 7-52 اصل مقاله (1.57 M) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نوع مقاله: مقاله پژوهشی | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| شناسه دیجیتال (DOI): 10.22054/ijer.2023.75870.1219 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نویسندگان | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| سیدمحمدقائم ذبیحی* 1؛ فاطمه اکبری2؛ نرگس صالح نیا3 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 1دانشجوی دکتری علوم اقتصادی، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 2دانشجوی‌کارشناسی ارشد علوم اقتصادی، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 3دانشیار گروه اقتصاد، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| چکیده | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ارتباط بین ریسک‌های اقتصادی، مالی و سیاسی با انتشار کربن (CO2) به عنوان یکی از چالش‌های بزرگ جهانی موردتوجه است. لذا، تأثیر این سه عامل بر انتشار کربن بسیار حائز اهمیت است. بر این اساس، پژوهش حاضر به دنبال بررسی نقش ریسک‌های اقتصادی، مالی و سیاسی در کاهش سرانه انتشار کربن با بهره‌گیری از رویکرد بسیار جدید مدل‌سازی رگرسیون کوانتایل بر کوانتایل (QQR) در بازه زمانی سالانه 1990 تا 2018 است. رابطه آماری بین متغیرهای ذکرشده در بستر نرم‌افزارهای Eviews12 و Matlab2022 برای کشور ایران مورد بررسی قرار گرفته است. نتایج به دست آمده، بیانگر آن است که متغیر ریسک اقتصادی در تمام کوانتایل‌ها (0.05 تا 0.95) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل‌ها (0.05 تا 0.95) داشته است و این ارتباط مثبت در کوانتایل‌های (0.3 تا 0.95) متغیر ریسک اقتصادی و کوانتایل‌های (0.05 تا 0.45) سرانه انتشار کربن نسبتاً قوی‌تر بوده است؛ متغیر ریسک مالی در تمام کوانتایل‌ها (0.05 تا 0.95) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل‌ها (0.05 تا 0.95) داشته است و این ارتباط مثبت در کوانتایل‌های (0.05 تا 0.95) متغیر ریسک مالی و کوانتایل‌های (0.4 تا 0.55) سرانه انتشار کربن قوی‌تر بوده است؛ همچنین متغیر ریسک سیاسی در تمام کوانتایل‌ها (0.05 تا 0.95) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل‌ها (0.05 تا 0.95) داشته است و این ارتباط مثبت در کوانتایل‌های (0.05 تا 0.35) متغیر ریسک سیاسی و کوانتایل‌های (0.45 تا 0.55) سرانه انتشار کربن قوی‌تر بوده است. بدین‌ترتیب، لزوم توجه به ثبات اقتصادی، مالی و سیاسی در کشور ایران برای بهبود کیفیت محیط‌زیست و کاهش انتشار کربن از اهمیت بسیار بالایی برخوردار است. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| کلیدواژه‌ها | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ریسک اقتصادی؛ ریسک مالی؛ ریسک سیاسی؛ انتشار کربن؛ رگرسیون کوانتایل بر کوانتایل | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| اصل مقاله | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
1. مقدمه بزرگ‌ترین تهدید جهانی در قرن بیست و یکم، تغییرات اقلیمی و گرمایش جهانی ناشی از انتشار کربن است (Akadiri, et al., 2021؛ Oladipupo, et al., 2021)؛ زیرا با توسعه سریع جـوامع صنعتی مـدرن در سرتاسر جهان طی سالهای اخیــــر، مصـرف انرژی‌های فسیـلی آگاهی دولت‌ها و سازمان‌های بینالمللی در سرتاسر جهان نسبت به تأثیرات تغییرات اقلیمی بر اقتصاد، جامعه و محیط‌زیست در چند سال گذشته افزایش‌یافته (Gambhir, et al., 2022) که منجر به تصویب سیاست‌های حفظ محیط‌زیست شده است (Roncoroni, et al., 2021)، اما اجرای این سیاست‌ها مستلزم هزینه‌های زیادی است. بنابراین، نقش ثبات مالی در پرداختن به خطرات تغییرات اقلیمی و کاهش انتشار گازهای گلخانه‌ای[2] (GHG) به‌طور فزاینده‌ای اهمیت یافته است (Sun, et al., 2022). مطالعات نشان می‌دهند که یک محیط مالی پایدار و باثبات برای تحریک تولید و سرمایه‌گذاری مساعد است‌که در نتیجه آن، مصرف انرژی و انتشار کربن تا حدی افزایش می‌یابد (Sulemana, et al., 2017). از سوی دیگر، بی‌ثباتی مالی می‌تواند تمایل افراد را برای محیطی باکیفیت بالا افزایش دهد و درنتیجه انتشار CO2 به‌طور مؤثری کاهش یابد (Adom, et al., 2018؛2021 Song, et al.,؛ Sulemana, et al., 2017). از طرف دیگر، گرمایش جهانی و انتشار کربن با خطرات اقتصادی و سیاسی مرتبط است (Adams, et al., 2020). نااطمینانی‌های جهانی، نوسانات سیاست‌های اقتصادی و سیاسی را در سراسر جهان افزایش داده است. واضح است که هر نوع منبع عدم اطمینانی (اعم از اجتماعی، سیاسی، اقتصادی و یا جنگ) بر فعالیت‌های اقتصادی تأثیر خواهد داشت (Blattman & Miguel, 2010؛ Guidolin & LaFerrara, 2010). ثبات اقتصادی بر جوی که شرکت‌ها در آن فعالیت می‌کنند، تأثیر می‌گذارد که به نوبه خود، بر تصمیم‌گیری واحدهای اقتصادی اثرگذار است. در این راستا، جیانگ و همکاران[3] (2019) ادعا کردند ثبات اقتصادی بر انتشار کربن از طریق سیاست مستقیم دولت تأثیر می‌گذارد که می‌تواند تخریب محیط‌زیست را افزایش یا کاهش دهد. به همین ترتیب، در کنار نقش ثبات مالی و اقتصادی بر انتشار کربن؛ بی‌ثباتی در شرایط سیاسی کشور هم می‌تواند بر تصمیم‌گیری سرمایه‌گذاران تأثیر بگذارد. اگر بی‌ثباتی سیاسی در یک منطقه افزایش یابد، سرمایه‌گذاران و تولیدکنندگان می‌توانند فعالیت‌های سرمایه‌گذاری و تولیدی را به تعویق بیندازند که می‌تواند بر شرایط محیطی تأثیر بگذارد. در عین حال، ریسک سیاسی در کشورها در طول زمان تقریباً در حال افزایش است. کشورها با مشکلات جنگ، بحران‌های سیاسی و مالی مواجه هستند. این بحران‌ها مشکلات اقتصادی و زیست‌محیطی را ایجاد می‌کنند. ریسک سیاسی با کاهش بودجه‌های عمرانی، بودجه نظامی را افزایش میدهد، این وضعیت باعث کاهش تولید در کشور میشود، تولید کمتر باعث کاهش بیشتر مصرف انرژی و درنتیجه کاهش انتشار کربن میشود (Ahmed, et al., 2022). ایران یکی از آسیب‌پذیرترین کشورهای خاورمیانه در برابر تغییرات اقلیمی است که مسئولیت مهمی نیز در قبال تغییرات آب‌وهوایی در سطح جهانی و منطقه‌ای دارد، زیرا رتبه اول در خاورمیانه و رتبه هشتم در سراسر جهان را به دلیل انتشار گازهای گلخانه‌ای با انتشار کربن سالانه نزدیک به 617 تن دارد که عمدتاً ناشی از گازطبیعی و نفت است (نمودار (1)). با این وجود، روند سریع شهرنشینی کشور نیز به میزان قابل‌توجهی به افزایش سطوح آلودگی هوا و تشکیل جزایر گرمایی کمک کرده است، جایی‌که مناطق شهری دمای بالاتری نسبت به محیط اطراف خود دارند. همچنین ایران با کمبود شدید آب مواجه است.
نمودار 1. انتشار سرانه CO2 بر اساس نوع سوخت، ایران، 1906 تا 2018
ماخذ: Our World in Data ایران از نظر جغرافیایی در منطقه‌ای خشک با درجه حرارت بالا و بارش باران و برف نسبتاً کم قرار دارد. پراکندگی اقلیمی در ایران به شرح زیر است: 5/35 درصد فوق خشک، همچنین مطالعات نشان می‌دهند اقتصاد ایران شکننده است و اولویت اصلی دولت،
نمودار (2) یک نمای کلی از سطح ریسک مرتبط با کشورهای سراسر جهان را نیز ارائه میدهد. نقشه ریسک آترادیوس[5] از طیف وسیعی از منابع تهیه شده است و دارای سیستم رتبه‌بندی ستاره‌ای[6] است. این سیستم توسط تیم تحقیقات اقتصادی آترادیوس برای ارزیابی ریسک کشورها، ازجمله ریسک‌های مختلف سیاسی و اقتصادی یا ناآرامی‌ها و درگیری‌های مدنی ابداع شده است. شایان‌ذکر است که ایده این پژوهش، در بررسی نقش ریسک‌های اقتصادی، مالی و سیاسی بر سرانه انتشار کربن از نوآوری بسیار بالایی برخوردار است‌که با روش‌شناسی تازه‌ای با عنوان رگرسیون کوانتایل بر کوانتایل[7] (QQR) به دنبال بررسی نتایج مربوط خواهد بود. تا زمان نگارش این پژوهش، هیچ مطالعه داخلی مبنی بر مطالعه نقش ریسک‌های اقتصادی، مالی و سیاسی بر سرانه انتشار کربن با استفاده از این روش‌شناسی یافت نشده است. در این قسمت به مبانی نظری و نیز پیشینه پژوهش در قالب بخش‌های تفکیک شده پرداخته خواهد شد. 2-1. مبانی نظری تغییرات اقلیمی به یکی از مهم‌ترین چالش‌های جهانی تبدیل شده است‌که بخش‌های مختلف اقتصاد را تحت‌تأثیر قرار داده است (Jobst & Pazarbasioglu, 2019). سرمایه‌گذاری‌های بزرگ در فناوری‌ها و زیرساخت‌های‌کم‌کربن برای مقابله با خطرات تغییرات اقلیمی موردنیاز است که می‌تواند بر ثبات اقتصادی تأثیر بگذارد (Wahab, et al., 2022). از سوی دیگر، کاهش انتشـار گازهای گلخانه‌ای به معنـی کاهش میـزان دی‌اکسیدکـربن و سایـر گازهای گلخانه‌ای است که می‌تواند ثبات اقتصادی را تهدید کند (Kirikkaleli, et al., 2022). بدین ترتیب، سیاستگذاران و سرمایه‌گذاران از ارتباط بین ثبات مالی، سیاسی و اقتصادی و کاهش انتشارگازهای‌گلخانه‌ای آگاهی دارند (Sadiq, et al., 2022). ثبات مالی به این معنی است که سیستم مالی می‌تواند کار خود را به‌خوبی و کارآمد انجام دهد (Yunzhao, 2022)، اما به دلیل تغییرات اقلیمی در معرض خطر است؛ سیل‌ها، خشکسالی‌ها و طوفان‌ها، همگی نمونه‌هایی از خطرات فیزیکی هستند که می‌توانند به دارایی‌های فیزیکی آسیب برسانند از سوی دیگر، قیمت‌گذاری کربن هم می‌تواند ثبات مالی را با دادن سیگنال قیمتی واضح به سرمایه‌گذاران بهبود بخشد و میزان انتشار گازهای گلخانه‌ای (GHG) را کاهش دهد (Sun, et al., 2022؛ Leal, et al., 2021). درنتیجه، ثبات مالی نقش مهمی بر کیفیت محیط دارد (Lee, et al., 2013): اول، یک محیط مالی باثبات و دارای مؤسسات مالی قوی‌تر می‌تواند سرمایه‌گذاری مستقیم خارجی (FDI) بیشتری را جذب کند و رشد اقتصادی را ارتقا دهد که منجر به افزایش مصرف انرژی و درنتیجه انتشار کربن میشود (Shahbaz, et al., 2018). دوم، توسعه بازارهای مالی می‌تواند از طریق کاهش محدودیتهای اعتباری برای شرکت‌هایی که پروژه‌های سرمایه‌گذاری آنها دوستدار محیط‌زیست نباشد، انتشار کربن را افزایش دهد (Boutabba, 2014). سوم، یک محیط مالی با پایداری و ثبات بالاتر می‌تواند افـزایش نـوآوری و پذیـرش فناوری سـبز را از طریق ارائه حمایت مالـی تشـویق کند، از سوی دیگر، در سالهای اخیر برخی از محققان روی تأثیر ریسک مالی بر انتشار کربن متمرکز شـده‌اند، اما هنـوز به توافقی دست نیافته‌اند. به‌طـور‌مثال، ژانگ و چیـو[8] (2020) یک محیط اقتصادی باثبات می‌تواند سرمایه‌گذاری و تولید را تحریک کند و منجر به استفاده بیشتر از انرژی (یا سایر مواد آلاینده) و در نتیجه انتشار کربن شود. همچنین می‌تواند پیشرفت تکنولوژیکی را ارتقا دهد و موجب افزایش تقاضای مردم برای کیفیت محیطی بالاتر شود که به کاهش انتشارکربن کمک می‌کند (Sulemana, et al., 2017). ریسک‌های اقتصادی مانند تورم و رکود اقتصادی به طور کلی منجر به کاهش فعالیت‌های اقتصادی متعارف و کاهش مصرف انرژی و درنتیجه کاهش انتشار کربن میشود (Siddiqi, 2000). در عین حال، دولت‌ها برای اجرای سیاست‌های زیست‌محیطی با هزینه‌های مالی نسبتاً کم 2-2. پیشینه پژوهش طبق گزارش کمیسیون اروپا[16] (2015)، توافق پاریس اولین توافق چندجانبه مهم در مورد تغییرات آب‌وهوا در قرن بیست و یکم بود.[17] متن این توافقنامه شامل مقرراتی است که کشورهای توسعه یافته را ملزم می‌کند از سال 2020 سالانه 100 میلیارد دلار به کشورهای درحال‌توسعه ارسال کنند. این توافق به کشورها در تعیین نحوه کاهش انتشار گازهای گلخانه‌ای انعطاف‌پذیری میدهد، اما نیاز به گزارش شفاف دارد.[18] همچنین توافقنامه و تصمیمات پاریس تأیید می‌کند که کشورهای توسعه یافته همچنان نقش‌های اصلی را همانطور که در مطالعات اخیر مشاهده میشود (همچون مطالعه آکادیری و آدبایو[20] (2022) که ارتباط بین ریسک مالی و انتشار کربن را بررسی کردند، سو و همکاران (2021) که به بررسی تأثیر ریسک سیاسی بر انتشار کربن پرداختند و همچنین جان و همکاران[21] (2021) که رابطه ریسک مالی و انتشار کربن را بررسی نمودند)، ارتباط بین تغییرات آب و هوا و ریسک جامع کشوری (ریسک‌های اقتصادی، مالی و سیاسی)، علاقه جامعه علمی را برانگیخته است. کاپاسو و همکاران[22] (2020) رابطه احتمالی بین قرار گرفتن در معرض تغییرات اقلیمی و ریسک جامع کشوری را مطالعه کردند و نشان دادند که این رابطه پس از لازم‌الاجرا شدن توافقنامه پاریس، قوی‌تر شده است. آنها نتیجه می‌گیرند که خطرات آب‌وهوایی، ثبات واسطه‌های اعتباری و بازارهای اوراق قرضه را تهدید می‌کند. همچنین نشان داده شده است‌که انتشار کربن، هم ریسک حاکمیتی[23] (Chaudhry, et al., 2020) و هم ریسک شرکت‌ها[24] (Ilhan, et al., 2020) در بخش‌های پرانتشار را افزایش میدهد. نویسندگان دیگری مانند گوو و همکاران[25] (2020) نشان می‌دهند که ریسک جامع کشوری به طور منفی ارتباط بین نابرابری و انتشار گازهای گلخانه‌ای را در کشورهای کم درآمد و با درآمد بالا تعدیل می‌کند. با این حال، هیچ چارچوب جهانی وجود ندارد که تأثیر بالقوه‌ای را که ویژگی‌های اجتماعی- اقتصادی خاص هر کشور ممکن است بر تدوین سیاست‌هایی با هدف کاهش تغییرات آب‌وهوایی داشته باشد، توصیف کند. بنابراین، موضوع تغییرات اقلیمی و گرمایش جهانی همچون زنگ خطری برای سیاستگذاران کشورها و سازمان‌های بین دولتی عمل کرده است و توجه را به تأثیر مخرب بر زندگی انسان و محیط‌زیست جلب می‌کند. ریسک‌های جامع کشورها (ریسک‌های اقتصادی، مالی و سیاسی) به عنوان عوامل اصلی این شرایط فاجعه‌بار شناخته شده‌اند. بدین ترتیب، با مروری بر مطالعاتی که به بررسی عوامل مؤثر بر انتشار کربن پرداخته‌اند، تاکنون آثار رشد تولید ناخالص داخلی (Muhammad, 2019؛ Hanif, et al., 2019؛ Zubair, et al., 2020؛ Lorente, et al., 2018)، تجارت (Essandoh, et al., 2020؛ Wang & Zhang, 2020)، مصرف انرژی (Dogan, et al., 2020؛ Su, et al., 2021؛ Umar, et al., 2021)، مصرف انرژی‌های تجدیدپذیر (Ali, et al., 2020)، سرمایه‌گذاری مستقیم خارجی (Essandoh, et al., 2020؛ Hanif, et al., 2019)، نوآوری (Ganda, 2019)، توسـعه اقتصـادی، نـوآوریهای تکنولوژیکی، اندازه جمعیت و ارتقـاء ساختار صـنعتی (Dong, et al., 2018؛ Tian, et al., 2019؛ Zhao, et al., 2020) و نیز تجزیه‌وتحلیل ویژگی‌های انتشار کربن و توزیع فضایی آن (Sun, et al., 2021) مورد بررسی قرار گرفته است. بر این اساس، هیچ مطالعه‌ای تا کنون اثرات ریسک تفکیک‌شده (یعنی ریسک‌های اقتصادی، مالی و سیاسی) بر انتشار کربن را در ایران بررسی نکرده است. بدین ترتیب، مظفری و قبادی (1398) و همچنین اسلاملوییان و مهرعلیان (1394) نشان دادند که عوامل اقتصادی، مالی و سیاسی به یکدیگر مرتبط هستند. بدین ترتیب، ریسک‌های اقتصادی، مالی و سیاسی هم دارای ارتباط متقابل هستند. به طور مثال، با افزایش ریسک سیاسی، ریسک‌های اقتصادی و مالی در کشور بالا می‌رود. بدین ترتیب، باید از مدل‌هایی استفاده کرد که اثر
رویکرد رگرسیون کوانتایل بر کوانتایل (QQR) یک رویکرد جدید برای تحلیل معادلات دومتغیره است. این رویکرد اولین‌بار توسط سیم و ژو[36] (2015) ارائه شد که ترکیبی از رگرسیون معمولی[37] (QR) و تخمین ناپارامتریک[38] است و اطلاعات غنی‌تری را در مقایسه با روش‌های تخمین معمول ارائه میدهد. رگرسیون QQR می‌تواند در یک محیط نامتقارن عملکرد خوبی داشته باشد و یک رابطه جامع بین چندک‌های پایین و بالای سری داده‌ها را بررسی کند. بدین‌ترتیب، رگرسیون QQR در مقایسه با سایر روش‌های مرسوم، تصویری واقعی‌تر از تحلیل‌های مبتنی بر دادههای سری زمانی ارائه میدهد (یو و همکاران[39]، 2022). همچنین رویکرد رگرسیون کوانتایل معمولی (QR) شکلی توسعه‌یافته از مدل رگرسیون کلاسیک[40] در نظر گرفته میشود؛ اما بسیار جامع‌‌تر است از این منظر که تأثیر یک متغیر مستقل را نه‌تنها بر مرکز متغیر وابسته، بلکه در انتهای آن نیز مورد سنجش قرار میدهد. بدین ترتیب، اگرچه اکثر مطالعات معمولاً از رگرسیون خطی و تکنیک رگرسیون چندک کونکر و باست[43] (1978) هنگام تخمین پویا بین دومتغیر استفاده می‌کنند، اما در نهایت، در پژوهش حاضر از رویکرد رگرسیون کوانتایل بر کوانتایل (QQR) برای بررسی رابطه جامع بین ریسک‌های اقتصادی، مالی، سیاسی و سرانه انتشارکربن استفاده شده است. این مدل، اصلاحی بر روی رگرسیون کوانتایل مرسوم است که بر تأثیر چندک‌های یک متغیـر مستقل بر چندک‌های مختلف متغیـر وابسـته تمرکز دارد. بنابراین، رویکـرد رگرسیون کوانتایل بر کوانتایل (QQR)، به‌جای روش‌های سنتی مانند OLS و رویکرد رگرسیون معمولی، می‌تواند به درک رابطه اساسی و تجزیه‌وتحلیل‌های قوی‌تر کمک کند (Yu, et al., 2022). روش‌شناسی فوق که معمولاً به عنوان تعمیم رویکردهای رگرسیون چندک مرسوم شناخته میشود، امکان ارزیابی چندک‌های دومتغیر را برای اهداف مقایسه‌ای فراهم می‌کند. از آنجا که در مطالعه حاضر نیز ارتباط چندک‌های مربوط بر یکدیگر،
در رابطه (1)، CO2t نشان‌دهنده سرانه انتشار دی‌اکسیدکربن[45] است. همچنین ERt ریسک اقتصادی[46]، FRt ریسک مالی[47] و PRt ریسک سیاسی[48] هستند.θ نشان‌دهنده θ ام توزیع مشروط سرانه انتشار CO2 است.μθ عبارت خطای کوانتایلی است و کمیک شرطی θ آن صفر است. از آنجا که در مورد ارتباط بین ERt، FRt، PRt وCO2t در فرایند مدل‌سازی دانش قبلی وجود ندارد، بنابراین (...) βθ یک تابع ناشناخته فرض میشود. براین‌اساس، برای بررسی رابطه (1)، از رگرسیون خطی برای ریسک‌های اقتصادی، مالی و سیاسی به‌صورت زیر استفاده میشود (رابطه (2)):
در رابطه (2)، βʹθ مشتق جزئی βθ (ERt)، βθ (FRt) و βθ (PRt) را باتوجه‌به ERt، FRt و PRt نشان میدهد که به‌عنوان اثر جزئی تعریف شده است. βθ (ERτ)، βθ (FRτ)، βθ (PRτ)، βʹθ (ERτ)، βʹθ (FRτ) و βʹθ (PRτ) در رابطه 2 توابعی از θ و τ هستند. بدین ترتیب، مطابق رابطه (3)، شکل اصلاح شده رابطه (3) به‌صورت زیر بیان میشود:
حال با جایگزینی رابطه (3) در رابطه (1)، رابطه (4) برای رگرسیون کوانتایل بر کوانتایل بدین‌‌صورت به دست میآید:
رابطه (4)، شکل عملکردی تکنیک QQR را نشان میدهد. قسمت (*) کوانتایل مشروط Q را نشان میدهد. β0 و β1 پارامترهایی هستند که به‌صورت مضاعف در θ و τ نمایه می‌شوند و ارتباط کمّی بین ER،FR ، PRو CO2 را تعریف می‌کنند. مقادیرβ0 و β1 ممکن است بسته به مقادیر چندک متغیرهای وابسته و مستقل متفاوت باشند (Yu, et al., 2022). بدین ترتیب، به‌منظور بررسی نحوه اثرگذاری ریسک‌های اقتصادی، مالی و سیاسی بر سرانه انتشار کربن بر اساس ادبیات نظری مدل اقتصادسنجی به‌قرار رابطه (5) تصریح شده است:
در رابطه (5)، CO2 معرف سرانه انتشار کربن،ER معرف ریسک اقتصادی، FRمعرف ریسک مالی، PR معرف ریسک سیاسی و 𝜀 جزء خطای مدل است. در جدول (1) به تعریف متغیرهای مورداستفاده و نیز منبع هر کدام پرداخته شده است. بر اساس جدول (1) تشریح متغیرهای مورداستفاده در پژوهش حاضر به‌قرار ذیل است: - ریسک مالی: برای کاهش انتشار گازهای گلخانه‌ای، هزینه زیادی باید صرف فناوری‌ها و زیرساخت‌های کم‌کربن شود؛ بنابراین، بخش مالی باید درگیر باشد تا بتواند هزینه موردنیاز این سرمایه‌گذاری‌ها را تأمین کند (Hassan, et al., 2021)؛ از سوی دیگر، با در نظرگرفتن جنبه ریسک مالی، استحکام تنظیمات مالی می‌تواند باعث گسترش اقتصادی شود که به نوبه خود، تأثیر تکنولوژیکی و متناسبی بر مصرف انرژی و تخریب محیط‌زیست ناشی از آن دارد (Ahmed, et al., 2022). در مورد ارتباط بین آسیب‌های زیست‌محیطی و ریسک مالی، بین یافتههای مطالعات اتفاق نظر وجود ندارد. به‌طور مثال، ژانگ و چیو (2020) به بررسی اثرات غیرخطی ریسک‌های جامع کشورها بر انتشار CO2 می‌پردازند و نشان می‌دهند ریسک مالی می‌تواند تأثیر مثبت بر انتشار CO2 داشته باشد که مطابق با یافتههای عباسی و ریاض (2016)، بالسیلار و همکاران (2018) و زیدی و همکاران (2019) می‌باشد. درمقابل، با استفاده از رویکردARDL، ژائو و همکاران (2021) مطالعه‌ای را انجام دادند که نشان میدهد سطوح بالای ریسک مالی، سرمایه‌گذاران را دلسرد می‌کند و منجر به کاهش CO2 به دلیل کاهش
مصرف انرژی میشود. علاوه بر این، تحقیقات انجام شده توسط آدبایو و همکاران (2023) برای کشورهای منتخب ماینت[49] با یافتههای ژائو و همکاران (2021) همسو می‌باشد. - ریسک سیاسی: ریسک‌های سیاسی با استفاده از دوازده متغیر نهادی ارزیابی می‌شوند (Kirikkaleli, D. & Adebayo, T.S., 2023). ارتباط بین ریسک سیاسی و کیفیت محیطی، قوی است و درواقع می‌تواند پیچیده باشد (Vu & Huang, 2020). به‌طور مثال، نهادهای سیاسی ممکن است میزان تخریب محیط‌زیست را از طریق طراحی و اجرای سیاست‌های مناسب محدود کنند. بااین‌حال، ممکن است به عنوان جبران حمایت‌های سیاسی و اقتصادی گذشته با آلاینده‌ها سازش کنند (Helland & Whitford, 2003). اگرچه از دولت‌ها انتظار می‌رود اطمینان حاصل‌‌کنند کشورهایشان در مسیر تولید باقی می‌ماند که تعادلی بین دستاوردهای اقتصادی و تخریب محیط‌زیست ایجاد می‌کند، اما این امر اغلب در مواجهه
به‌منظور بررسی ارتباط بین ریسک‌های اقتصادی، مالی، سیاسی با سرانه انتشار کربن در کشور ایران در بازه زمانی سالانه 1990 الی 2018 به بررسی آزمون توصیفی، بررسی مانایی متغیرها، بررسی توزیع نرمال متغیر وابسته و در انتها به تخمین مدل کوانتایل بر کوانتایل پرداخته شده است. نتایج به‌دست‌آمده در ادامه و به تفکیک توضیح داده شده است. 1-4. نتایج آمار توصیفی و آزمون مانایی بر اساس اطلاعات موجود در جدول (2)، میانگین تمامی متغیرها از انحراف استاندارد آنها بیشتر است. این نشان میدهد که متغیرها دارای پراکندگی محدودی هستند. همچنین به دلیل در نظرگرفتن تنها یک کشور در پژوهش حاضر، تصمیم گرفته شد که نمودار مربوط به
همچنین یکی از آزمونهای مهم در مدل‌سازی اقتصادسنجی، بررسی مانایی (آزمون ریشه واحد) است. بدین ترتیب، در این بخش از آزمون ریشه واحد دیکی فولر تعمیم‌یافته[52] استفاده شده است. در جدول (3) آزمون دیکی فولر برای متغیرهای مورد سنجش به تفکیک درج شده است و برای مانایی برخی متغیرها بایستی تفاضل مرتبه اول گرفته میشد که این عملیات اجرا و ارزش احتمال و مقدار آماره T درج شده است.
در پژوهش حاضر از آماره آزمون جارک – برا[53] برای بررسی نرمال بودن متغیر وابسته (سرانه انتشار کربن) استفاده شده است. نتایج مبین آن است که متغیر سرانه انتشار کربن دارای توزیع نامتقارن است. توزیع نامتقارن متغیر وابسته منجر به انتخاب استراتژی ناپارامتریک برای بررسی ارتباط بلندمدت بین متغیرها میشود (Kong, et al., 2023؛ Tang, et al., 2022). بدین ترتیب، برای برآورد مدل، بهتر است از تکنیک رگرسیون کوانتایل بر کوانتایل استفاده شود؛ زیرا این روش زمانی‌که توزیع متغیر وابسته نرمال نبوده؛ می‌تواند نتایج قابل‌اطمینان‌تری ارائه دهد؛ زیرا نسبت به موارد پَرت و غیرعادی در دادههای واقعی کارآمد است و به عنوان یک روش رگرسیون خطی محلی ناپارامتریک، می‌تواند توزیع شرطی را منعکس کند و جهش‌های ساختاری بالقوه را آشکار سازد (نمودار (3)).
حال که نتایج آزمونهای توصیفی (آزمونهای پیش از تخمین) به‌درستی تأیید و درج گشته است؛ در این بخش به تخمین مدل رگرسیون کوانتایل بر کوانتایل در سه مدل مجزا پرداخته شده است: مدل اول. سرانه انتشار کربن و ریسک اقتصادی، مدل دوم. سرانه انتشار کربن و ریسک مالی، مدل سوم. سرانه انتشار کربن و ریسک سیاسی. نتایج مدل اول در نمودار (4) نشان داده شده است. این نتایج را میتوان چنین تفسیر نمود: متغیر ریسک اقتصادی در تمام کوانتایل‌ها (05/0 تا 95/0) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل‌ها (05/0 تا 95/0) داشته و این ارتباط مثبت در کوانتایل‌های (3/0 تا 95/0) متغیر ریسک اقتصادی و کوانتایل‌های (05/0 تا 45/0) سرانه انتشار کربن نسبتاً قوی‌تر
نتایج حاصل از تخمین مدل دوم مطابق نمودار (5) به‌دست‌آمده است. این نتایج را میتوان چنین تفسیر نمود: متغیر ریسک مالی در تمام کوانتایل‌ها (05/0 تا 95/0) تأثیر مثبت بر سرانه انتشار کربن در تمام‌کوانتایل‌ها (05/0 تا 95/0) داشته و این ارتباط مثبت در کوانتایل‌های (05/0 تا 95/0) متغیر ریسک مالی و کوانتایل‌های (4/0 تا 55/0) سرانه انتشار کربن قوی‌تر بوده است. بنابراین، ریسک مالی می‌تواند تأثیر مثبت بر انتشار CO2 داشته باشد که مطابق با یافتههای ژانگ و چیو (2020)، عباسی و ریاض (2016)، بالسیلار و همکاران (2018) و زیدی و همکاران (2019) می‌باشد. بدین ترتیب، نتایج، وجود محیط مالی باثبات را تشویق می‌کند؛ زیرا برای کاهش انتشار گازهای گلخانه‌ای، هزینه زیادی باید صرف فناوری‌ها و زیرساخت‌های کم‌کربن شود؛ درنتیجه، بخش مالی باید درگیر باشد تا بتواند هزینه موردنیاز این سرمایه‌گذاری‌ها را تأمین کند (Hassan, et al., 2021).
نتایج حاصل از تخمین مدل سوم مطابق نمودار (6) به‌دست‌آمده است. این نتایج را میتوان چنین تفسیر نمود: متغیر ریسک سیاسی در تمام کوانتایل‌ها (05/0 تا 95/0) بر سرانه انتشار کربن در تمام کوانتایل‌ها (05/0 تا 95/0) تأثیر مثبت داشته است و این ارتباط مثبت درکوانتایل‌های (05/0 تا 35/0) متغیر ریسک سیاسی وکوانتایل‌های (45/0 تا 55/0) سرانه انتشار کربن قوی‌تر بوده است. بنابراین، ناآرامی‌های سیاسی می‌تواند توانایی دولت را برای اجرای طرح‌های کاهش آلودگی مختل کند؛ زیرا رژیم‌های ناپایدار، اغلب تحت‌تأثیر سازمان‌های لابی یا فشارهای بینالمللی قرار می‌گیرندکه آنها را از وضع قوانین زیست‌محیطی یا پذیرش فناوری‌های پاک باز می‌دارد و لذا انتشار کربن افزایش می‌یابد (Purcel, 2019). بدین ترتیب، نتایج، وجود محیط سیاسی باثبات را تشویق می‌کند؛ زیرا، محیط‌های سیاسی بهتر منجر به کاهش قابل توجهی در آلودگی محیط‌زیست می‌شوند (Su, et al., 2021؛ Wand, et al., 2020؛ Zhang & Chiu, 2020)، زیرا انتظار می‌رود ثبات سیاسی سطح ثروت را افزایش دهدکه به نوبه خود، آگاهی مردم از انتشارات محیطی و تغییرات آب‌وهوایی را افزایش میدهد. این سناریو اغلب فشارهای سیاسی بر سیاستگذاران را برای دستیابی به یک محیط پایدار افزایش میدهد (Su, et al., 2021). بنابراین، کاهش ریسک سیاسی در یک کشور می‌تواند انتشار کربن را کاهش دهد، به این معنی که ریسک سیاسی احتمالاً عاملی حیاتی در بدتر شدن اکوسیستم‌ها و محیط‌زیست است.
پژوهش حاضر به دنبال بررسی جامعی از نقش ریسک‌های اقتصادی، مالی و سیاسی در کاهش سرانه انتشار کربن است. ازاین‌رو، با استفاده از رهیافت اقتصادسنجی تازه و جدید رگرسیون کوانتایل بر کوانتایل (QQR)، رابطه آماری بین متغیرهای ریسک اقتصادی، مالی و سیاسی بر سرانه انتشار کربن بررسی شده است، زیرا رگرسیون کوانتایل بر کوانتایل اطلاعات غنی‌تری را در مقایسه با روش‌های تخمین معمول ارائه میدهد. رگرسیون QQR می‌تواند در یک محیط نامتقارن عملکرد خوبی داشته باشد و یک رابطه جامع بین چندک‌های پایین و بالای سری داده‌ها را مورد بررسی قرار میدهد. بدین ترتیب، رگرسیون QQR نتایج حاصل از مدل‌سازی کوانتایل بر کوانتایل نشان‌دهنده آن است که متغیر ریسک اقتصادی در تمام‌کوانتایل‌ها (05/0 تا 95/0) تأثیر مثبت بر سرانه انتشارکربن در تمام‌کوانتایل‌ها (05/0 تا 95/0) داشته است و این ارتباط مثبت در کوانتایل‌های (3/0 تا 95/0) متغیر ریسک اقتصادی و کوانتایل‌های (05/0 تا 45/0) سرانه انتشار کربن نسبتاً قوی‌تر بوده است. متغیر ریسک مالی در تمام کوانتایل‌ها (05/0 تا 95/0) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل‌ها (05/0 تا 95/0) داشته است و این ارتباط مثبت در کوانتایل‌های (05/0 تا 95/0) متغیر ریسک مالی و کوانتایل‌های (4/0 تا 55/0) سرانه انتشار کربن قوی‌تر بوده است. همچنین متغیر ریسک سیاسی در تمام کوانتایل‌ها (05/0 تا 95/0) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل‌ها (05/0 تا 95/0) داشته است و این ارتباط مثبت در کوانتایل‌های (05/0 تا 35/0) متغیر ریسک سیاسی و کوانتایل‌های (45/0 تا 55/0) سرانه انتشار کربن قوی‌تر بوده است. این نشان میدهد که ریسک‌های ذکرشده در سطوح پایین و متوسط سرانه انتشار کربن برای محیط‌زیست مضر می‌باشند. بدین ترتیب، اثر مثبت ریسک‌های اقتصادی، مالی و سیاسی بر سرانه انتشار کربن در کوانتایل‌های پایین و متوسط نشان میدهد که ریسک‌های اقتصادی، مالی و سیاسی به تخریب محیط‌زیست در ایران منجر می‌شوند. با توجه به اینکه ریسک‌های ذکرشده عمدتاً در میان افراد با درآمد متوسط ایجاد میشود که می‌توانند از منابع انرژی تجدیدناپذیر (چه برای مصرف و چه برای فعالیت‌های تولیدی) استفاده کنند، بنابراین نتایج ذکرشده انتظار می‌رود. همچنین در کوانتایل‌های بالاتر سرانه انتشار کربن، ریسک‌های اقتصادی، مالی و سیاسی برای محیط‌زیست آنچنان نگران‌کننده نیستند، زیرا مردم در این سطح به سختی منابع انرژی را مصرف می‌کنند که به تخریب محیط‌زیست کمک می‌کند (Adebayo, et al., 2023). بدین ترتیب، نتایج به‌دست‌آمده بدین ترتیب، این مطالعه به طور خاص برای دولت و سیاستگذاران در کشور ایران برای چشم‌انداز و پویایی کشور در طراحی سیاست‌های اقتصادی، مالی و سیاسی در مورد امکان عدم قطعیت سیاست‌های اقتصادی، مالی و سیاسی و کاهش انتشار CO2 اهمیت زیادی دارد. با درک این موضوع که ریسک‌های اقتصادی، مالی و سیاسی به طور قابل توجهی بر پیشرفت کیفیت زیست محیطی، اقدامات آب و هوایی و رشد پایدار تأثیر می‌گذارند، تدوین استراتژی‌های مناسب برای افزایش مسئولیت‌پذیری نهادهای اقتصادی، مالی و سیاسی ضروری است. این به نوبه خود، فساد را کاهش میدهد و حاکمیت استراتژی‌های زیست‌محیطی را تقویت می‌کند. بنابراین، دولت ایران باید تلاش کند تا توسعه اقتصادی را تشویق و در عین حال ثبات در محیط اقتصادی را تضمین کند و در نهایت سطحی از ریسک را انجام دهد که در آن CO2 کاهش یابد. همزمان با ارتقا ثبات اقتصادی، مالی و سیاسی؛ دولت باید سرمایه‌گذاری در فناوری‌های پایدار را برای افزایش بهره‌وری انرژی تقویت کند. علاوه بر این، باید افراد را برای صرفه‌جویی در انرژی تشویق کند، اما پیشنهاد میشود که دولت یا تصمیم‌گیرندگان در کشور ایران سیاست‌هایی را برای کاهش مصرف انرژی و افزایش سطح منابع انرژی پاک اعمال کنند که منجر به افزایش رفاه شود، اما قبل از اجرای هرگونه اقدامات زیست‌محیطی، برای دولت ایران ضروری است که تأثیر ریسک‌های اقتصادی، مالی و سیاسی را بر رابطه متقابل بین CO2 و عوامل تعیین‌کننده آن ارزیابی کند. متعاقباً، دولت می‌تواند تصمیمات آگاهانه اتخاذ کند و پیامدهای نامطلوب احتمالی را کاهش دهد. سایر پیشنهادهای سیاستی پژوهش حاضر را نیز میتوان این‌گونه ابراز داشت: تنظیم سیاست‌های اقتصادی پایدار: دولت می‌تواند سیاست‌هایی را اجرا کند که به کاهش ریسک‌های اقتصادی کمک کنند؛ مانند تشویق به سرمایه‌گذاری در بخش‌های سبز و توسعه صنایع پایدار. توسعه سیاست‌های مالی پایدار: دولت‌ها و نهادهای مالی می‌توانند سیاست‌هایی را اجرا کنند که به کاهش ریسک‌های مالی و تشویق به سرمایه‌گذاری پایدار کمک کند؛ مانند تشویق به استفاده از مکانیزم‌های مالی سبز و اعتبار سبز. تقویت سیستم سیاسی پایدار: اصلاحات سیاسی و تقویت نظام حکمرانی می‌تواند ریسک‌های سیاسی را کاهش دهد که برای استقرار سیاست‌های محیط‌زیستی مؤثرتر و پایدارتر، اصلاحات سازمانی و تقویت نهادهای نظارتی ضروری هستند. شایان‌ذکر است که یکی از محدودیتهای پژوهش حاضر دسترسی به دادههای بِروز است؛ بدین ترتیب پیشنهاد می‌گردد تا مطالعات آتی در صورت امکان با تهیه دادههای مربوط از درگاههای بینالمللی به تعمیم نتایج این مطالعه به سالهای اخیر مبادرت ورزند.
تعارض منافع تعارض منافع وجود ندارد.
[1]. British Multinational Oil and Gas Company [2]. Greenhouse Gases (GHG) [3]. Jiang, Y., et al. [4]. https://climateactiontracker.org/countries/iran/ [5]. Atradius [6]. Star Rating System [7]. Quantile-on-Quantile Regression [8]. Zhang, W. & Chiu, Y-B [9]. Abbasi, F. & Riaz, K. [10]. Balcilar, M., et al. [11]. Zaidi,SAH., et al. [12]. Su, ZW., et al. [13]. Kirikkaleli, D., et al. [14]. Mahmood, H. & Alanzi, A. [15]. Purcel, A. [16]. Report of the European Commission [17]. Questions and Answers on the Paris Agreement “Last Accessed 6/25/2016”. [18]. Gillis, New York Times, 11/25/2015. [19] Questions and Answers on the Paris Agreement [20]. Akadiri, S. & Adebayo.T.S. [21]. Jun, Z., et al. [22]. Capasso, G., et al. [23]. Sovereign Risk [24]. The Risk of Companies in High-Emitting Sectors [25]. Guo, Y., et al. [27]. Bayer and Hanck Cointegration [28]. Dynamic Ordinary Least Square (DOLS) [29]. Canonical Correlation Regression (CCR) [30]. Frequency-Domain Causality Tests [31]. Panel ARDL [32]. Stripat [33]. Grossman, G.M. & Krueger, A.B. [34]. شایان‌ذکر است که با توجه به هدف پژوهش حاضر، اثرات متقابل این ریسک‌ها بر یکدیگر بررسی نشده است. ازاین‌رو، پیشنهاد میشود محققان در آینده، در مطالعات خود، این شکاف را پر کنند و نتایج حاصل را انتشار دهند. [35]. مطالعه حاضر جزء اولین مطالعات داخلی می‌باشد که از این مدل‌سازی نسبتاً جدید استفاده کرده است. ازاین‌رو، نتایج به‌دست‌آمده می‌تواند دید بهتری به سیاستگذاران و برنامهریزان اجتماعی کشور ایران بدهد. [36]. Sim, N. & Zhou, H. [37]. Quantile Regression [38]. Non-parametric Estimation [39]. Yu, J., et al. [40]. Classical Regression Model [41]. Cleveland, W.S. [42]. Stone, C.J. [43]. Koenker, R. & Bassett Jr, G. [44]. Wang, Y., et al. [45]. Per Capita Carbon Emissions [46]. Economic Risk [47]. Financial Risk [48]. Political Risk [49]. Mint Refers to Four Countries: Mexico, Indonesia, Negeria, and Turkey [50]. Biswas, AK., et al. [51]. Sekrafi, H. & Sghaier, A. [52]. Augmented Dicky Fuller (ADF) [53]. Jarque-Bera | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مراجع | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
اسلاملوییان، کریم، مهرعلیان، سارا. (1394). تأثیر نااطمینانی مالی بر سیاست پولی، تورم و تولید در ایران: یک الگوی مربع- خطی- جهشی مارکف. پژوهش‌های اقتصادی ایران، 20(65)، 1-36. سنجری کنارصندل، نرگس، الیاس پور، بهنام، بابکی، روح اله. (1401).تأثیر نامتقارن نااطمینانی سیاست اقتصادی و قیمت نفت بر انتشار دی‌اکسیدکربن در ایران. پژوهش‌های اقتصادی (رشد و توسعه پایدار)، ۲۲ (۴) ،۲۳۳-۲۶۰.
علی صوفی، علی، حسینی، سید مهدی، دادرس مقدم، امیر. (1402). تأثیر نااطمینانی سیاست اقتصـادی بر انتشـار دی‌اکسـیدکـربن در خاورمیانه. بررسی مسـائل اقتصـاد ایـران، 10(1)، 179-201. مظفری شمسی، هاجر، قبادی، سارا. (1398). ارزیابی تأثیر عوامل سیاسی و اقتصادی بر فساد مالی، رشد اقتصادی و اندازه دولت در کشورهای منتخب تولیدکننده نفت: رویکرد دادههای تابلویی سیستمی مبتنی‌بر گشتاورهای تعمیم‌یافته. پژوهش‌های اقتصادی ایران، 24(79)، 177-207.
https://doi.org/10.22054/ijer.2019.10891
Abbasi F, Riaz K., (2016). Co2 emissions and financial development in an emerging economy: an augmented VAR approach. Energy Policy, 90:102–114. https://doi.org/10.1016/j.enpol.2015.12.017 Adams S, Adedoyin F, Olaniran E, Bekun FV., (2020). Energy consumption, economic policy uncertainty and carbon emissions; causality evidence from resource rich economies. Economic Anal Polic, 68,179–190. Adebayo, T. S., Akadiri, S. S., Riti, J. S., & Tony Odu, A. (2023). Interaction among geopolitical risk, trade openness, economic growth, carbon emissions and Its implication on climate change in india. Energy & Environment, 34(5), 1305-1326. https://doi.org/10.1177/0958305X221083236 Adebayo, T.S., Kartal, M.T., A˘ga, M., Al-Faryan, M.A.S., (2023). Role of country risks and renewable energy consumption on environmental quality: evidence from MINT countries. J. Environ. Manag. 327, 116884. https://doi.org/10.1016/j.jenvman.2022.116884 Adom PK, Kwakwa PA, Amankwaa A., (2018). The long-run effects of economic, demographic, and political indices on actual and potential CO2 emissions. J Environ Manage, 218,516–526. https://doi.org/10.1016/j.jenvman.2018.04. 090 Ahmad, M., Ahmed, Z., Gavurova, B., Ol´ah, J., (2022). Financial risk, renewable energy technology budgets, and environmental sustainability: is going green possible? Front. Environ. Sci.10. 909190. https://www.frontiersin.org/articles/10.3389/fenvs.2022.909190 Ahmed, Z., Ahmad, M., Alvarado, R., Sinha, A., Shah, M. I., & Abbas, S., (2022). Towards environmental sustainability: Do financial risk and external conflicts matter? Journal of Cleaner Production, 371, 133721. https://doi.org/10.1016/j.jclepro.2022.133721 Akadiri, S. S., & Adebayo, T. S. (2022). The criticality of financial risk to environment sustainability in top carbon emitting countries. Environ Sci Pollut Res 29, 84226–84242. https://doi.org/10.1007/s11356-022-21687-9 Akadiri, S.S., Rjoub, H., Adebayo, T.S., Oladipupo, S.D., Sharif, A., Adeshola, I., (2021). The role of economic complexity in the environmental Kuznets curve of MINT economies: evidence from method of moments quantile regression. Environ. Sci. Pollut. Control Ser, 1 (5), 468–479. Ali, S., Dogan, E., Chen, F., Khan, Z., (2020). International Trade and Environmental Performance in Top Ten-emitters Countries: the Role of Eco-innovation and Renewable Energy Consumption. Sustainable Development, 2(29), 378-387. https://doi.org/10.1002/sd.2153 Alisoofi, A., Hosseini, S. M., & Dadras Moghadam, A. (2023). Impact of economic policy uncertainty on CO2 emissions: evidence from Middle East countries. Journal of Iranian Economic Issues, 10(1), 179-201. [In Persian] https://doi.org/10.30465/ce.2022.39870.1747 Al-Mulali, U., & Ozturk, I. (2015). The effect of energy consumption, urbanization, trade openness, industrial output, and the political stability on the environmental degradation in the MENA (Middle East and North African) region. Energy, 84, 382-389. https://doi.org/10.1016/j.energy.2015.03.004 Balsalobre-Lorente, D., Shahbaz, M., Roubaud, D., Farhani, S., (2018). How economic growth, renewable electricity and natural resources contribute to CO2 emissions? Energy Pol, 113, 356–367. Biswas AK, Farzanegan MR, Thum M (2012). Pollution, shadow economy and corruption: theory and evidence. Ecol Econ 75(C),114–125. https://doi.org/10.1016/j.ecole con.2012.01.007 Blattman, C. & Miguel, E., (2010). Civil War. J Econ Lit, 48(1), 3–57. Boutabba, M. A. (2014). The impact of financial development, income, energy and trade on carbon emissions: evidence from the Indian economy. Economic Modelling, 40, 33-41. https://doi.org/10.1016/j.econmod.2014.03.005 Bowen, A., & Stern, N. (2010). Environmental policy and the economic downturn. Oxford Review of Economic Policy, 26(2), 137-163. https://doi.org/10.1093/oxrep/grq007 Capasso, G., Gianfrate, G., & Spinelli, M. (2020). Climate change and credit risk. Journal of Cleaner Production, 266, 121634. https://doi.org/10.1016/j.jclepro.2020.121634 Chaudhry, S. M., Ahmed, R., Shafiullah, M., & Huynh, T. L. D. (2020). The impact of carbon emissions on country risk: Evidence from the G7 economies. Journal of environmental management, 265, 110533. https://doi.org/10.1016/j.jenvman.2020.110533 Cleveland, W.S., (1979). Robust locally weighted regression and smoothing scatterplots. J. Am. Stat. Assoc. 74, 829–836. Danish, Baloch, M.A., Mahmood, N., Zhang, J.W., )2019(. Effect of natural resources, renewable energy and economic development on CO2 emissions in BRICS countries. Sci. Total Environ, 678, 632–638. https://doi.org/10.1016/j.scitotenv.2019.05.028 Dogan, E., Tzeremes, P. & Altinoz, B., (2020). Revisiting the nexus among carbon emissions, energy consumption and total factor productivity in African countries: new evidence from nonparametric quantile causality approach. Heliyon, 6(3), e03566. Dong, K., Sun, R., Li, H. & Liao, H., (2018). Does natural gas consumption mitigate CO2 emissions: testing the environmental Kuznets curve hypothesis for 14 Asia-Pacific countries. Renew. Sust. Energ. Rev, 94, 419–429. https://doi.org/10.1016/j.rser.2018.06.026 Duan, K., Ren, X., Shi, Y., Mishra, T., Yan, C., (2021). The marginal impacts of energy prices on carbon price variations: evidence from a quantile-on-quantile approach. Energy Econ, 95, 105131. Eslamloueyan, K., & Mehralian, S. (2016). The Impact of Financial Uncertainty on Monetary Policy, Inflation and Output in Iran: A Markov Jump-Linear-Quadratic (MJLQ) Approach. Iranian Journal of Economic Research, 20(65), 1-36 [In Persian] Essandoh, O.K., Islam, M., Kakinaka, M., (2020). Linking international trade and foreign direct investment to CO2 emissions: any differences between developed and developing countries? Sci. Total Environ, 712, 136437. Ilhan, E., Sautner, Z., & Vilkov, G. (2020). Carbon tail risk. The Review of Financial Studies, 34(3), 1540-1571. https://doi.org/10.2139/ssrn.3204420 Gambhir, A., George, M., McJeon, H., Arnell, NW., Bernie, D., Mittal, S., Monteith, S., (2022). Near-term transition and longer-term physical climate risks of greenhouse gas emissions pathways. Nature Climate Change, 12(1), 88–96. Ganda, F., (2019). The impact of innovation and technology investments on carbon emissions in selected organisation for economic Co-operation and development countries. J. Clean. Prod, 217, 469–483. Grossman, G.M. & Krueger, A.B., (1991). Environmental Impacts of a North American Free Trade Agreement. National Bureau of Economic Research, NBER. https://doi.org/10.3386/w3914 Guidolin, M., & La Ferrara, E., (2010). The economic effects of violent conflict: Evidence from asset market reactions. Journal of Peace Research, 47(6), 671–684. https://doi.org/10.1177/0022343310381853 Guo, Y., You, W., & Lee, C. C. (2020). Co2 emissions, income inequality, and country risk: some international evidence. Environmental Science and Pollution Research, 1-21. https://doi.org/10.1007/s11356-020-09501-w Hanif, I., Raza, S.M.F., Gago-de-Santos, P. & Abbas, Q., (2019). Fossil fuels, foreign direct investment, and economic growth have triggered CO2 emissions in emerging Asian economies: some empirical evidence. Energy, 171, 493–501. Hassan, T., Song, H. & Kirikkaleli, D., (2021). International trade and consumption-based carbon emissions: evaluating the role of composite risk for RCEP economies. Environ Sci Pollut Res, 1, 1–21. Helland E, Whitford AB (2003). Pollution incidence and political jurisdiction: evidence from the TRI. J Environ Econ Manag, 46(3),403–424. https://doi.org/10.1016/ S0095- 0696(03)00033-0 Jiang, Y., Zhou, Z & Liu, C., (2019). Does economic policy uncertainty matter for carbon emission? Evidence from US sector level data. Environ Sci Pollut Res, 26(24),24380–24394. Jobst, AA. & Pazarbasioglu, C., (2019). Greater transparency and better policy for climate finance. Jobst, Andreas A. and C. Pazarbasioglu, 85–99. Khan, Y., Hassan, T., Kirikkaleli, D., Xiuqin, Z., & Shukai, C. (2022). The impact of economic policy uncertainty on carbon emissions: Evaluating the role of foreign capital investment and renewable energy in East Asian economies. Environmental Science and Pollution Research, 1-19. https://doi.org/10.1007/s11356-021-17000-9 Kirikkaleli, D., Adebayo, T.S., (2023). Political risk and environmental quality in Brazil: role of green finance and green innovation. Int. J. Finance Econ, 5 (9). https://doi.org/10.1002/ijfe.2732 Kirikkaleli, D., Adebayo, T.S., Khan, Z., Ali, S., (2020). Does globalization matter for ecological footprint in Turkey? Evidence from dual adjustment approach. Environ. Sci. Pollut. Control Ser, 28(11),1–9. Kirikkaleli, D., Güngör, H., & Adebayo, T. S., (2022). Consumption‐based carbon emissions, renewable energy consumption, financial development and economic growth in Chile. Business Strategy and the Environment, 31(3), 1123-1137. Koenker, R., Bassett Jr., G., (1978). Regression quantiles. Econometrica: J. Econom. Soc. 33–50. Kong, Y., Dong, C., & Zhang, Y. (2023). Quantile on Quantile Analysis of Natural resources-growth and geopolitical risk trilemma. Resources Policy, 85, 103935. https://doi.org/10.1016/j.resourpol.2023.103935 Leal, P. H., Marques, A. C., & Shahbaz, M. (2021). The role of globalisation, de jure and de facto, on environmental performance: evidence from developing and developed countries. Environment, Development and Sustainability, 23, 7412-7431. https://doi.org/10.1007/s10668-020-00923-7 Lee, C. C., Chiu, Y. B., & Chang, C. H. (2013). Insurance demand and country risks: A nonlinear panel data analysis. Journal of International Money and Finance, 36, 68-85. https://doi.org/10.1016/j.jimonfin.2013.03.009 Lekakis, J. N., & Kousis, M. (2013). Economic crisis, Troika and the environment in Greece. South European Society and Politics, 18(3), 305-331. https://doi.org/10.1080/13608746.2013.799731 Ling, G., Razzaq, A., Guo, Y. et al., (2022). Asymmetric and time-varying linkages between carbon emissions, globalization, natural resources and financial development in China. Environ Dev Sustain, 24, 6702–6730. https://doi.org/10.1007/s10668-021-01724-2 Mahmood, H., & Alanzi, A. A., (2020). Rule of Law and Environment Nexus in Saudi Arabia. International Journal of Energy Economics and Policy, 10(5), 7–12. https://www.econjournals.com/index.php/ijeep/article/view/9349 Mehmet, Balcilar., Ozdemir, ZA., Shahbaz, M. & Gunes, S., (2018). Does inflation cause gold market price changes? Evidence on the G7 countries from the tests of nonparametric quantile causality in mean and variance. Appl Econ, 50(17),1891–1909. https://doi.org/10.1080/00036846.2017.1380290 Mozafari Shamsi, H., & Qobadi, S. (2018). Evaluating the impact of political and economic factors on corruption, economic growth and government size in selected oil producing countries: a systematic panel data approach based on generalized moments. Iran Economic Research, 24(79), 177-207. [In Persian] https://sid.ir/paper/364281/fa Muhammad, B., (2019). Energy consumption, CO2 emissions and economic growth in developed, emerging and Middle East and North Africa countries. Energy, 179, 232–245. Oladipupo, S.D., Adeshola, I., Rjoub, H., Adebayo, T.S., (2021). Wavelet analysis of impact of renewable energy consumption and technological innovation on CO2 emissions: evidence from Portugal. Environ. Sci. Pollut. Res. Purcel, A.A., (2019). Does political stability hinder pollution? Evidence from developing states. Econ. Res. Guardian, 9(2), 75–98. Ren, X., Lu, Z., Cheng, C., Shi, Y., Shen, J., (2019). On dynamic linkages of the state natural gas markets in the USA: evidence from an empirical spatio-temporal network quantile analysis. Energy Econ 80, 234–252. Roncoroni, A., Battiston, S., Escobar-Farfán, L. O. L., & Martinez-Jaramillo, S., (2021). Climate risk and financial stability in the network of banks and investment funds. Journal of Financial Stability, 54, 100870. https://doi.org/10.1016/j.jfs.2021.100870 Sadiq, M., Lin, C.-Y., Wang, K.-T., Trung, L. M., Duong, K. D., & Ngo, T. Q., (2022). Commodity dynamism in the COVID-19 crisis: Are gold, oil, and stock commodity prices, symmetrical? Resources Policy, 79, 103033. https://doi.org/10.1016/j.resourpol.2022.103033 Sanjari Konarsandal, N., Elyaspour, B., & Babaki, R. (2022). The Asymmetric Effects of Economic Policy Uncertainty and Oil Price on Carbon Dioxide Emissions in Iran. The Economic Research, 22(4), 233-260. [In Persian] http://ecor.modares.ac.ir/article-18-61568-fa.html Sekrafi H, Sghaier A (2018). Examining the relationship between corruption, economic growth, environmental degradation, and energy consumption: a panel analysis in MENA region. J Knowl Econ 9(3),963–979. https://doi.org/10.1007/s13132-016-0384-6 Shahbaz, M., Nasir, M. A., & Roubaud, D. (2018). Environmental degradation in France: the effects of FDI, financial development, and energy innovations. Energy Economics, 74, 843-857. https://doi.org/10.1016/j.eneco.2018.07.020 Shahzad, S.J.H., Kumar, R.R., Zakaria, M., Hurr, M., (2017). Carbon emission, energy consumption, trade openness and financial development in Pakistan: a revisit. Renew. Sustain. Energy Rev. 70, 185–192. Siddiqi, T. A. (2000). The Asian financial crisis—Is it good for the global environment?. Global Environmental Change, 10(1), 1-7. https://doi.org/10.1016/S0959-3780(00)00003-0 Sim, N., & Zhou, H. (2015). Oil prices, US stock return, and the dependence between their quantiles. Journal of Banking & Finance, 55, 1-8. https://doi.org/10.1016/j.jbankfin.2015.01.013 Song, C-Q., Chang, C-P. & Gong Q., (2021). Economic growth, corruption, and financial development: global evidence. Econ Model, 94,822830. https://doi.org/10.1016/j.econm od.2020.02.022 Stone, C.J., (1977). Consistent nonparametric regression. Ann. Stat. 595–620. Su ZW, Umar M, Kirikkaleli D, Adebayo TS (2021). Role of political risk to achieve carbon neutrality: evidence from Brazil. Journal of Environmental Management, 2021,113463, https://doi.org/10.1016/j.jenvman.2021.113463 Sulemana, I., James, H.S. & Rikoon, J.S., (2017). Environmental Kuznets Curves for air pollution in African and developed countries: exploring turning point incomes and the role of democracy. J. Env. Econ. Policy, 6, 134–152. https://doi.org/10.1080/21606544.2016.1231635 Sun, L., Fang, S., Iqbal, S. & et al., (2022). Financial stability role on climate risks, and climate change mitigation: Implications for green economic recovery. Environ Sci Pollut Res, 29, 33063–33074. https://doi.org/10.1007/s11356-021-17439-w Sun, L., Liu, W., Li, Z., Cai, B., Fujii, M., Luo, X., Le, Y. & et al., (2021). Spatial and structural characteristics of CO2 emissions in East Asian megacities and its indication for low-carbon city development. Appl Energy, 284,116400. https://doi.org/10.1016/j.apene rgy.2020.116400 Tang, S., Ma, Y., & Altuntaş, M. (2022). Natural resources volatility, political risk and economic performance: Evidence from quantile-on-quantile regression. Resources Policy, 78, 102842. https://doi.org/10.1016/j.resourpol.2022.102842 Tian, X., Bai, F., Jia, J., Liu, Y., Shi, F., (2019). Realizing low-carbon development in a developing and industrializing region: impacts of industrial structure change on CO2 emissions in southwest China. J. Environ. Manage, 233, 728–738. https://doi.org/10.1016/j.jenvman.2018.11.078 Umar, M., Ji, X., Kirikkaleli, D., Alola, A.A., (2021). The imperativeness of environmental quality in the United States transportation sector amidst biomass-fossil energy consumption and growth. J. Clean. Prod. 285, 124863. https://doi.org/10.1016/j.jclepro.2020.124863 Vu T.V., Huang, DC. (2020). Economic development, globalization, political risk and CO2 emission: the case of Vietnam. J Asian Financ Econ Bus 7(12),21–31. Wahab, S., Imran, M., Safi, A. et al., (2022). Role of financial stability, technological innovation, and renewable energy in achieving sustainable development goals in BRICS countries. Environ Sci Pollut Res, 29, 48827–48838. https://doi.org/10.1007/s11356-022-18810-1 Wand S, Jammazi R., Aloui C., Ahmad P., Sharif, A. (2020). On the nonlinear effects of energy consumption, economic growth, and tourism on carbon footprints in the USA. Environ Sci Pollut Res,28(16), 20128–20139. Wang, Q., Zhang, F. (2020). The effects of trade openness on decoupling carbon emissions from economic growth–Evidence from 182 countries. J. Clean. Prod, 279, 123838. Wang, Y., Adebayo, T. S., Ai, F., Quddus, A., Umar, M., & Shamansurova, Z. (2023). Can Finland serve as a model for other developed countries? Assessing the significance of energy efficiency, renewable energy, and country risk. Journal of Cleaner Production, 428, 139306. https://doi.org/10.1016/j.jclepro.2023.139306 Xu, G., Dong, H., Xu, Z., & Bhattarai, N., (2022). China can reach carbon neutrality before 2050 by improving economic development quality. Energy, 243, 123087. https://doi.org/10.1016/j.energy.2021.123087 Yu, J., Tang, Y. M., Chau, K. Y., Nazar, R., Ali, S., & Iqbal, W. (2022). Role of solar-based renewable energy in mitigating CO2 emissions: evidence from quantile-on-quantile estimation. Renewable Energy, 182, 216-226. https://doi.org/10.1016/j.renene.2021.10.002 Yunzhao, L., (2022). Modelling the role of eco innovation, renewable energy, and environmental taxes in carbon emissions reduction in E−7 economies: Evidence from advance panel estimations. Renewable Energy, 190, 309-318. https://doi.org/10.1016/j.renene.2022.03.119 Zaidi, SAH., Zafar, MW., Shahbaz, M. & Hou, F., (2019). Dynamic linkages between globalization, financial development and carbon emissions: evidence from Asia Pacific Economic Cooperation countries. J Clean Prod, 228, 533–543. https://doi.org/10.1016/j.jclepro.2019.04.210 Zhang, W. & Chiu, Y-B., (2020). Do country risks influence carbon dioxide emissions? A non-linear perspective. Energy, 206, 118048. https://doi.org/10.1016/j.energy.2020.118048 Zhao, J., Dong, C., Dong, X., Jiang, Q., (2020). Coordinated development of industrial structure and energy structure in China: its measurement and impact on CO2 emissions. Clim. Res, 81, 29–42. https://doi.org/10.3354/cr01607 Zhao, J., Jiang, Q., Dong, X., Dong, K., (2021). Assessing energy poverty and its effect on CO2 emissions: the case of China. Energ. Econ, 105191. https://doi.org/10.1016/j.eneco.2021.105191 Zhao, J., Shahbaz, M., Dong, X., & Dong, K. (2021). How does financial risk affect global CO2 emissions? The role of technological innovation. Technological Forecasting and Social Change, 168, 120751. https://doi.org/10.1016/j.techfore.2021.120751 Zhao, J., Shahbaz, M., Dong, X., Dong, K., (2021). How does financial risk affect global CO2 emissions? The role of technological innovation. Technol. Forecast. Soc. Change 168, 120751. https://doi.org/10.1016/j.techfore.2021.120751 Zubair, A. O., Abdul Samad, A.-R., & Dankumo, A. M., (2020). Does gross domestic income, trade integration, FDI inflows, GDP, and capital reduces CO2 emissions? An empirical evidence from Nigeria. Current Research in Environmental Sustainability, 2, 100009. https://doi.org/10.1016/j.crsust.2020.100009 https://group.atradius.com/publications/trading-briefs/risk-map.html. https://ourworldindata.org/grapher/per-capita-co2-fuel. https://www.atlanticcouncil.org/ https://www.bp.com/ | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
آمار تعداد مشاهده مقاله: 826 تعداد دریافت فایل اصل مقاله: 505 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||