Mối quan hệ giữa tăng trưởng kinh tế, tiêu thụ điện, lượng khí thải CO2 và phát triển tài chính ở các quốc gia khu vực châu á – thái bình dương

DANH MỤC CÁC BẢNG Bảng 2.1: Mối quan hệ giữa phát thải CO2, tiêu thụ năng lượng và tăng trưởng kinh tế Bảng 2.2: Mối quan hệ giữa phát thải CO2 và phát triển tài chính Bảng 4.1: Thống kê

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

TRẦN LÊ XUÂN AN

MỐI QUAN HỆ GIỮA TĂNG TRƯỞNG KINH TẾ,

TRIỂN TÀI CHÍNH Ở CÁC QUỐC GIA KHU VỰC

CHÂU Á – THÁI BÌNH DƯƠNG

LUẬN VĂN THẠC SĨ KINH TẾ

TP Hồ Chí Minh - Năm 2016

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

TRẦN LÊ XUÂN AN

MỐI QUAN HỆ GIỮA TĂNG TRƯỞNG KINH TẾ,

TRIỂN TÀI CHÍNH Ở CÁC QUỐC GIA KHU VỰC

CHÂU Á – THÁI BÌNH DƯƠNG

LỜI CAM ĐOAN

Tôi xin cam đoan Luận văn Thạc sĩ Kinh tế với đề tài “Mối quan hệ giữa tăng trưởng kinh tế, tiêu thụ điện, lượng khí thải CO2 và phát triển tài chính ở các quốc gia khu vực châu Á -Thái Bình Dương” là công trình nghiên cứu của tôi cùng với sự hỗ trợ của Giảng viên hướng dẫn TS Nguyễn Tấn Hoàng và chưa từng được công bố trước đây

Các số liệu, kết quả trong luận văn là trung thực Tôi sẽ chịu trách nhiệm về nội dung tôi đã trình bày trong luận văn này

TP Hồ Chí Minh, ngày 02 tháng 05 năm 2016

Người thực hiện

Trần Lê Xuân An

MỤC LỤC TRANG PHỤ BÌA

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ

TÓM TẮT 1

CHƯƠNG 1 GIỚI THIỆU 2

1.1.ĐẶT VẤN ĐỀ NGHIÊN CỨU 2

1.2.MỤC TIÊU NGHIÊN CỨU 3

1.3.ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU 3

1.4.PHƯƠNG PHÁP NGHIÊN CỨU 4

1.5.Ý NGHĨA CỦA ĐỀ TÀI 4

1.6.BỐ CỤC BÀI NGHIÊN CỨU 4

CHƯƠNG 2 TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU TRƯỚC ĐÂY 6

2.1.TỔNG QUAN LÝ THUYẾT 6

2.1.1 Tăng trưởng kinh tế 6

2.1.2 Lượng phát thải CO 2 6

2.1.3 Phát triển tài chính 7

2.2.CÁC NGHIÊN CỨU TRƯỚC ĐÂY 8

2.2.1 Mối quan hệ giữa phát thải CO 2 , tiêu thụ năng lượng và tăng trưởng kinh tế 8

2.2.2 Mối quan hệ giữa CO 2 và phát triển tài chính 15

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU 20

3.1.MÔ TẢ BIẾN VÀ DỮ LIỆU 20

3.2.MÔ HÌNH NGHIÊN CỨU 20

3.3.CÁC PHƯƠNG PHÁP KIỂM ĐỊNH 21

3.3.1 Kiểm định nghiệm đơn vị 21

3.3.2 Kiểm định đồng liên kết 23

3.3.3 Kiểm định đồng liên kết theo Johansen (1988) 23

3.3.4 Ước lượng hồi quy đồng liên kết bảng 23

3.3.5 Mô hình hiệu ứng cố định năng động 24

3.3.6 Kiểm định nhân quả Granger 25

3.3.7 Phản ứng xung và phân rã phương sai 25

CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU 30

4.1.PHÂN TÍCH THỐNG KÊ MÔ TẢ 31

4.2.KIỂM ĐỊNH SỰ TƯƠNG QUAN VÀ ĐA CỘNG TUYẾN 31

4.2.1 Ma trận tương quan đơn tuyến tính giữa các cặp biến 31

4.2.2 Kiểm định đa cộng tuyến 32

4.3.KIỂM ĐỊNH HIỆN TƯỢNG PHƯƠNG SAI THAY ĐỔI PHẦN DƯ TRÊN DỮ LIỆU BẢNG -GREENE (2000) 33

4.4.KIỂM ĐỊNH HIỆN TƯỢNG TỰ TƯƠNG QUAN PHẦN DƯ TRÊN DỮ LIỆU BẢNG– WOOLDRIDGE (2002) VÀ DRUKKER (2003) 33

4.5.KIỂM ĐỊNH TÍNH DỪNG DỮ LIỆU BẢNG PESARAN’S (2007)CIPS 34

4.6.KIỂM ĐỊNH ĐỒNG LIÊN KẾT TRÊN DỮ LIỆU BẢNG 35

4.7.PHÂN TÍCH KẾT QUẢ HỒI QUY DÀI HẠN 36

4.8.PHÂN TÍCH KẾT QUẢ HỒI QUY BẰNG PHƯƠNG PHÁP GMM VÀ PMG–POOLED MEAN GROUP 38

4.9.ĐỘ TRỄ TỐI ĐA CHO MÔ HÌNH PVAR 41

4.10.PHÂN TÍCH MỐI QUAN HỆ NHÂN QUẢ BẰNG PANEL VECM 42

4.11.KẾT QUẢ PHÂN TÁCH HÀM PHẢN ỨNG XUNG THEO TIẾP CẬN CỦA CHORLESKY VÀ PHÂN RÃ PHƯƠNG SAI (VARIANCE DECOMPOSITION) TRONG MÔ HÌNH VECM 44

4.11.1 Kiểm định tính ổn định mô hình 44

4.11.2 Hàm phản ứng xung (impulse response) 45

4.11.3 Phân rã phương sai (Variance decomposition) 46

CHƯƠNG 5 KẾT LUẬN 48

5.1.KẾT LUẬN 48

5.2.MỘT SỐ GỢI Ý CHÍNH SÁCH 49

5.3.NHỮNG HẠN CHẾ CỦA LUẬN VĂN 49

5.4.HƯỚNG MỞ RỘNG ĐỀ TÀI 50

TÀI LIỆU THAM KHẢO

PHỤ LỤC

DANH MỤC TỪ VIẾT TẮT

ARDL Autoregressive distributed lag Mô hình tự hồi quy phân phối trễ ARIMA Autoregressive integrated

moving average

Trung bình trượt kết hợp tự hồi quy

ASEAN Association of Southeast Asian

Nations

Hiệp hội các nước Đông Nam Á

BRIC Brazil, Russia, India and China

DOLS Dynamic ordinary least squares Bình phương nhỏ nhất thông thường

năng động EKC Environmental Kuznets Curve Đường cong môi trường Kuznets

FD Financial Development Phát triển tài chính

FDI Foreign Direct Investment Đầu tư trực tiếp nước ngoài

FMOLS Fully modified ordinary least

squares

Biến đổi hoàn toàn bình phương nhỏ nhất thông thường

GDP Gross Domestic Product Tổng sản phẩm trong nước

GMM Generalized Method of Moments Phương pháp mô men mở rộng

MENA Middle East and North Africa Trung Đông và Bắc Phi

OECD Organization of Economic

Cooperation and Development

countries

Tổ chức Hợp tác và Phát triển Kinh tế

OLS Ordinary Least Squares Bình phương nhỏ nhất thông thường

PVAR Panel vector autoregressive Tự hồi quy véc tơ dữ liệu bảng

VECM Vector error correction Model Mô hình sửa lỗi véc tơ

VIF Variance inflation factor Hệ số phóng đại phương sai

DANH MỤC CÁC BẢNG

Bảng 2.1: Mối quan hệ giữa phát thải CO2, tiêu thụ năng lượng và tăng trưởng kinh tế

Bảng 2.2: Mối quan hệ giữa phát thải CO2 và phát triển tài chính

Bảng 4.1: Thống kê mô tả giữa các biến trong mô hình

Bảng 4.2: Kết quả ma trận tương quan đơn tuyến tính Pearson

Bảng 4.3: Kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai

Bảng 4.4: Kết quả kiểm tra phương sai thay đổi mô hình

Bảng 4.5: Kết quả kiểm tra tự tương quan mô hình

Bảng 4.6: Kiểm định tính dừng của các biến trong mô hình

Bảng 4.7: Kết quả kiểm định đồng liên kết dữ liệu bảng Fisher

Bảng 4.8: Kết quả hồi quy mô hình DOLS

Bảng 4.9: Kết quả hồi quy mô hình FMOLS

Bảng 4.10: Kết quả hồi quy mô hình theo phương pháp GMM và PMG

Bảng 4.11: Độ trễ tối đa cho mô hình VAR

Bảng 4.12: Bảng kết quả phân tích mối quan hệ nhân quả VECM

Bảng 4.13: Kết quả phân rã phương sai

TÓM TẮT

Mục đích chính của bài nghiên cứu là tìm ra mối quan hệ giữa lượng khí thải

CO2, tăng trưởng kinh tế, tiêu thụ điện năng và phát triển tài chính ở 14 quốc gia khu vực châu Á -Thái Bình Dương trong giai đoạn 1991 - 2014 Sử dụng các ước lượng DOLS (dynamic ordinary least squares), FMOLS (fully modified ordinary least squares) để ước lượng mối quan hệ giữa các biến Kết quả cho thấy không có bằng chứng về mối quan hệ trong ngắn hạn của tăng trưởng kinh tế và tiêu thụ điện đến lượng khí thải CO2 Áp dụng kiểm định tính dừng dữ liệu bảng, kiểm định đồng liên kết dữ liệu bảng và kiểm định nhân quả Granger cho thấy có mối quan hệ dài hạn mạnh mẽ giữa các biến Mô hình VECM tìm thấy có mối quan hệ nhân quả hai chiều giữa cặp biến CO2 và tăng trưởng kinh tế Bên cạnh đó kết quả cho thấy có mối quan hệ nhân quả một chiều từ lượng khí thải CO2 tác động tới tăng trưởng kinh tế, tiêu thụ điện năng và phát triển tài chính Ngoài ra, kết quả còn tìm thấy mối quan hệ nhân quả một chiều giữa các cặp biến tăng trưởng kinh tế đến tiêu thụ điện, phát triển tài chính đến tiêu thụ điện, tăng trưởng kinh tế đến phát triển tài chính Bài nghiên cứu ngoài ra còn phân tích phân rã phương sai và phản ứng xung

dự báo những tác động của phát triển và tiêu thụ điện lên lượng khí thải CO2 tương lai Nhà hoạch định chính sách có thể tham khảo các kết quả có được từ bài nghiên cứu để có những chính sách thích hợp nhằm hướng đến phát triển kinh tế bền vững

Từ khóa: khí thải CO2, tăng trưởng kinh tế, tiêu thụ điện năng, phát triển tài chính, các nước châu Á – Thái Bình Dương

CHƯƠNG 1 GIỚI THIỆU 1.1 Đặt vấn đề nghiên cứu

Trong xu thế phát triển chung của thế giới đương đại, tăng trưởng kinh tế luôn song hành với tăng nhu cầu sử dụng năng lượng và phát triển các nguồn năng lượng mới Tuy nhiên, việc sử dụng năng lượng đã và đang gây ra những hậu quả nặng nề đối với môi trường Nền kinh tế hiện đại và công nghiệp hóa đã tạo nên những ống khói khổng lồ phát thải khí vào bầu khí quyển, làm gia tăng hiệu ứng nhà kính, Trái Đất ngày một nóng lên Biến đổi khí hậu toàn cầu trở thành vấn đề nóng được thảo luận trong các cuộc hội đàm giữa các quốc gia trên thế giới

Một trong những nguyên nhân gây nên hiệu ứng nhà kính được quan tâm nhiều nhất là sự gia tăng phát thải khí CO2 Do đó, lượng khí thải CO2, cùng với mức độ sử dụng năng lượng được coi là những đặc trưng cho sự tăng trưởng kinh

tế Ngoài ra, sự gia tăng mức độ và bề rộng của thị trường tài chính cũng góp phần đóng góp cho sự phát triển kinh tế của một quốc gia Mối quan hệ của các yếu tố trên đã trở thành vấn đề nhận được nhiều sự quan tâm nhằm hướng đến mục tiêu tăng trưởng kinh tế bền vững của nhiều quốc gia và khu vực.Rất nhiều nghiên cứu

đã được thực hiện trước đây như nghiên cứu của Acaravci và Ozturk (2010), Wang

và cộng sự (2011), Pao và Tsai (2011), Al-mulali và Sab (2012), Farhani và cộng sự (2014), … thực hiện ở nhiều quốc gia và vùng lãnh thổ, cũng như các tổ chức hợp tác quốc tế để kiểm tra các mối quan hệ xoay quanh những yếu tố trên Các nghiên cứu mở rộng gần đây cũng đã được thực hiện với sự phát triển thêm về các biến mới ngoài biến tăng trưởng kinh tế, tiêu thụ năng lượng, lượng khí thải CO2 như thương mại, độ mở kinh tế, dân số, năng lượng tái tạo…

Tang và cộng sự (2014) đã tổng hợp nhiều nghiên cứu về mối quan hệ nhân quả giữa tăng trưởng kinh tế, tiêu thụ năng lượng, lượng khí thải CO2, dân số, vốn, lao động và các biến khác, đặc biệt là cho các nước thuộc ASEAN Tuy nhiên, hiện tại vẫn chưa có nghiên cứu nào đánh giá về mối quan hệ giữa tăng trưởng kinh tế, tiêu thụ năng lượng, lượng khí thải CO2 và sự phát triển tài chính cho các nước thuộc khu vực châu Á – Thái Bình Dương

Do đó, tác giả chọn đề tài: “Mối quan hệ giữa tăng trưởng kinh tế, tiêu thụ

điện, lượng khí thải CO 2 và phát triển tài chính ở các quốc gia khu vực châu Á -Thái Bình Dương.”

Bài nghiên cứu thực hiện kiểm tra mối quan hệ trên nhằm nỗ lực lấp đầy khe hổng này và quan trọng hơn là cung cấp một số thảo luận về các lựa chọn chính sách để đạt được sự bền vững trong hệ thống năng lượng trong khu vực

Luận văn được thực hiện dựa trên bài nghiên cứu: “Is the long-run relationship between economic growth, electricity consumption, carbon dioxide emissions and financial development in Gulf Cooperation Council Countries robust?” của Salahuddin, Gow và Ozturk (2015)

1.2 Mục tiêu nghiên cứu

Bài nghiên cứu này điều tra các mối quan hệ ngắn hạn và dài hạn giữa tăng trưởng kinh tế, tiêu thụ năng lượng, lượng khí thải CO2 và phát triển tài chính trong khu vực và cũng xác định quan hệ nhân quả giữa các biến nhằm trả lời các câu hỏi sau:

- Có hay không mối quan hệ nhân quả giữa tăng trưởng kinh tế, tiêu thụ năng lượng, lượng khí thải CO2 và phát triển tài chính trong khu vực châu Á – Thái Bình Dương?

- Dựa trên kết quả nghiên cứu, có các gợi ý gì cho các nhà hoạch định chính sách trong mục tiêu phát triển bền vững?

1.3 Đối tượng và phạm vi nghiên cứu

- Đối tượng nghiên cứu: 14 quốc gia thuộc khu vực châu Á – Thái Bình Dương bao gồm Brunei, Cambodia, Indonesia, Malaysia, Philippine, Singapore, Thái Lan, Việt Nam, Trung Quốc, Nhật Bản, Hàn Quốc, Mông Cổ, Australia và New Zealand

- Phạm vi nghiên cứu: giai đoạn từ 1991-2014

1.4 Phương pháp nghiên cứu

Bài nghiên cứu sử dụng các phương pháp phân tích định lượng như: phương pháp DOLS (dynamic ordinary least squares), FMOLS (fully modified ordinary least squares) để ước lượng mối quan hệ ngắn hạn và dài hạn của các biến Ngoài

ra, kiểm định tính dừng dữ liệu bảng, kiểm định đồng liên kết dữ liệu bảng, kiểm định quan hệ nhân quả Granger cho dữ liệu bảng và phân tích mô hình VECM dựa trên kết quả của phân rã phương sai và hàm phản ứng đẩy được sử dụng để xác định hướng quan hệ nhân quả giữa các biến

Phần mềm sử dụng: Stata 13 và Eview 8

Dữ liệu được lấy từ website Ngân hàng thế giới Worldbank (http://data.worldbank.org)

1.5 Ý nghĩa của đề tài

- Tổng hợp các lý thuyết liên quan đến tăng trưởng kinh tế, tiêu thụ năng lượng, lượng khí thải CO2 và phát triển tài chính cũng như tổng hợp các nghiên cứu

đã được thực hiện trước đây nhằm hệ thống lại các mối quan hệ đã được kiểm tra

- Cung cấp bằng chứng thực nghiệm, mở rộng hướng nghiên cứu so với các nghiên cứu trước đây nhằm tạo thêm cơ sở cho các nghiên cứu sau này

- Dựa trên kết quả nghiên cứu được, bài nghiên cứu sẽ là tài liệu tham khảo cho các nhà hoạch định chính sách trong khu vực để có thể đưa ra các định hướng chính sách hợp lý, cũng như xem xét tính khả thi của các giải pháp mà bài nghiên cứu đưa ra

1.6 Bố cục bài nghiên cứu

Chương 1 Giới thiệu Trong chương này tác giả trình bày những nội

dung cơ bản của bài nghiên cứu cũng như lý do dẫn tác giả tiến hành thực hiện nghiên cứu này

Chương 2 Tổng quan lý thuyết và các nghiên cứu trước đây Trong

chương này tác giả trình bày những lý thuyết nền tảng và tổng quan các nghiên cứu

trước đây về các mối quan hệ giữa tăng trưởng kinh tế, tiêu thụ năng lượng, lượng khí thải CO2 và phát triển tài chính

Chương 3 Phương pháp nghiên cứu Chương này tác giả trình bày

những lý thuyết kinh tế lượng cơ bản, mô tả biến và mô hình được sử dụng trong bài nghiên cứu

Chương 4 Kết quả nghiên cứu Trong chương này tác giả trình bày và

giải thích các kết quả nghiên cứu thực nghiệm đạt được

Chương 5 Kết luận và gợi ý chính sách Chương này sẽ tổng kết các kết

quả mà đề tài đạt được và rút ra các hạn chế của đề tài, những gợi ý và hướng nghiên cứu tiếp theo

CHƯƠNG 2 TỔNG QUAN LÝ THUYẾT VÀ CÁC NGHIÊN CỨU

TRƯỚC ĐÂY 2.1 Tổng quan lý thuyết

2.1.1 Tăng trưởng kinh tế

Theo định nghĩa của Ngân hàng thế giới (Worldbank) trong “Báo cáo về phát triển thế giới năm 1991”: Tăng trưởng kinh tế chỉ là sự gia tăng về lượng của những đại lượng chính đặc trưng cho môt trạng thái kinh tế, trước hết là tổng sản phẩm xã hội, có tính đến mối liên quan với dân số

Tăng trưởng kinh tế phản ánh quy mô tăng lên của nền kinh tế ở năm này so với những năm trước đó Tăng trưởng kinh tế thể hiện thông qua quy mô tăng trưởng và tốc độ tăng trưởng Tăng trưởng kinh tế không đồng nghĩa với phát triển kinh tế Phát triển kinh tế mang nội hàm rộng hơn tăng trưởng kinh tế Nó bao gồm tăng trưởng kinh tế cùng với những thay đổi về chất của nền kinh tế (như phúc lợi

xã hội, tuổi thọ, v.v.) và những thay đổi về cơ cấu kinh tế (giảm tỷ trọng của khu vực sơ khai, tăng tỷ trọng của khu vực chế tạo và dịch vụ) Phát triển kinh tế là một quá trình hoàn thiện về mọi mặt của nền kinh tế bao gồm kinh tế, xã hội, môi trường, thể chế trong một thời gian nhất định nhằm đảm bảo rằng GDP cao hơn đồng nghĩa với mức độ hạnh phúc hơn Nhưng tăng trưởng kinh tế là trọng tâm của quá trình phát triển, và phát triển bền vững cũng như xoá nghèo không thể diễn ra nếu không có tăng trưởng kinh tế

2.1.2 Lượng phát thải CO 2

Lượng phát thải CO2 được làm rõ thông qua khái niệm Carbon footprind (Trích từ Trương Thị Minh An và Kiều Thị Hòa (2010)) Carbon footprind là một đại lượng chỉ tổng lượng khí thải nhà kính phát thải trực tiếp và gián tiếp từ một tổ chức, cá nhân, sự kiện hay một sản phẩm được quy về lượng CO2

Trực tiếp: Lượng CO2 phát thải trực tiếp từ việc đốt nhiên liệu hóa thạch bao gồm cả việc tiêu thụ năng lượng trong gia đình và vận chuyển

Gián tiếp: Lượng CO2 phát thải gián tiếp từ toàn bộ vòng đời sản phẩm

2.1.3 Phát triển tài chính

Thị trường tài chính là nơi diễn ra các hoạt động mua bán quyền sử dụng các khoản vốn (ngắn hoặc dài hạn) thông qua các công cụ tài chính nhất định Các công cụ tài chính nói trên được gọi là các chứng khoán (nghĩa là các quyền được hưởng đối với thu nhập hoặc tài sản tương lai của nhà phát hành) Các công cụ này bao gồm hai loại cơ bản là chứng khoán nợ và chứng khoán vốn, ngoài ra còn có chứng khoán phái sinh Trong tài chính, thị trường tài chính tạo điều kiện:

- Việc nâng vốn (trong các thị trường vốn)

- Việc chuyển giao rủi ro (trong các thị trường phái sinh)

- Phát hiện giá

- Các nghiệp vụ toàn cầu với hội nhập của các thị trường tài chính

- Việc chuyển giao tính thanh khoản (trong các thị trường tiền tệ)

- Thương mại quốc tế (trong các thị trường tiền tệ)

và được sử dụng để thỏa mãn nhu cầu giữa những người muốn có vốn với những người có vốn

Thị trường tài chính thu hút, huy động các nguồn tài chính trong và ngoài nước, khuyến khích tiết kiệm và đầu tư, góp phần thúc đẩy, nâng cao hiệu quả sử dụng tài chính, thực hiện chính sách tài chính, chính sách tiền tệ của nhà nước

Trong nghiên cứu của King và Levine (1993) phát triển tài chính được thể hiện qua bốn thước đo:

- LLY: tỉ lệ giữa nợ thanh khoản với GDP Nợ thanh khoản (Liquid liabilities) là thước đo khái quát của cung tiền (M3) bao gồm, tiền mặt, tài khoản ngân hàng và tài khoản ở các tổ chức tài chính phi ngân hàng Khi số liệu M3 không

có sẵn thì tác giả sử dụng thước đo M2 hẹp hơn trong đó không tính đến tài khoản tiền gởi ngoại tệ có kỳ hạn, cổ phần trong các quỹ đầu tư và thương phiếu (nợ doanh nghiệp ngắn hạn)

- NGÂN HÀNG: tỉ lệ tài sản ngân hàng với tài sản ngân hàng + tài sản ngân hàng trung ương Mục đích để đo lường tầm quan trọng tương đối của ngân hàng so với cơ quan tiền tệ

- TƯ NHÂN: tỉ lệ các khoản vay cho khu vực tư nhân phi tài chính với tổng tín dụng nội địa, đo lường phạm vi tín dụng được chuyển đến khu vực tư nhân

- PRIVY: cũng là một thước đo về sự tham gia của khu vực tư nhân PRIVY là tỉ lệ các khoản vay cho khu vực tư nhân phi tài chính trên GDP

2.2 Các nghiên cứu trước đây

2.2.1 Mối quan hệ giữa phát thải CO 2 , tiêu thụ năng lượng và tăng trưởng kinh tế

Saboori và cộng sự (2014) đã nghiên cứu và ước lượng mối quan hệ dài hạn hai chiều giữa mức tiêu thụ năng lượng, CO2 và tăng trưởng kinh tế trong lĩnh vực giao thông đường bộ của tất cả các nước OECD (the Organization of Economic Cooperation and Development countries) Sử dụng phương pháp FMOLS, nghiên cứu này khẳng định rằng có một mối quan hệ hai chiều tích cực đáng kể giữa khí thải CO2 và tăng trưởng kinh tế, tiêu thụ năng lượng ngành đường bộ và tăng trưởng kinh tế, và giữa khí thải CO2 và tiêu thụ năng lượng ngành đường bộ Ngoài ra, các tác giả nhận thấy rằng, hầu hết các khí thải CO2 xảy ra như là kết quả của tiêu thụ năng lượng Nghiên cứu cũng nhấn mạnh sự cần thiết phải chuyển sang lựa chọn khác cho năng lượng, chẳng hạn như nhiên liệu sinh học, năng lượng tái tạo và hạt nhân, và tầm quan trọng của các chính sách dài hạn nhằm mục đích nâng cao hiệu quả năng lượng

Acaravci và Ozturk (2010) đã xem xét các mối quan hệ nhân quả giữa lượng khí thải carbon dioxide, tiêu thụ năng lượng, và tăng trưởng kinh tế bằng cách

sử dụng giới hạn tiếp cận thử nghiệm đồng liên kết (ARDL) cho mười chín nước châu Âu Các giới hạn F-test để kiểm tra đồng liên kết mang lại bằng chứng về một mối quan hệ lâu dài giữa khí thải carbon trên đầu người, mức tiêu thụ năng lượng trên đầu người, tổng sản phẩm trong nước thực (GDP) bình quân đầu người và bình phương của GDP thực tế đầu người chỉ cho Đan Mạch, Đức, Hy lạp, Iceland, Ý, Bồ

Đào Nha và Thụy Sĩ Tổng tích lũy và tổng tích lũy của các kiểm định bình phương cũng cho thấy các thông số ước tính ổn định cho thời kỳ mẫu Nghiên cứu đã tìm thấy một ước lượng độ co dãn dài hạn tích cực của khí thải đối với tiêu thụ năng lượng ở mức 1% mức độ đáng kể ở Đan Mạch, Đức, Hy Lạp, Ý và Bồ Đào Nha Ước lượng độ co dãn dài hạn tích cực của khí thải carbon đối với GDP thực tế và Ước lượng độ co dãn dài hạn tiêu cực của khí thải carbon liên quan đến bình phương của GDP thực tế bình quân đầu người ở mức mức ý nghĩa 1% ở Đan Mạch

và 5% ở Ý cũng được tìm thấy Những kết quả này hỗ trợ cho rằng giá trị của giả thuyết đường cong Kuznets môi trường (EKC) ở Đan Mạch và Ý Nghiên cứu này cũng khám phá mối quan hệ nhân quả giữa các biến bằng cách sử dụng sửa lỗi dựa trên mô hình nhân quả Granger

Acaravci và Ozturk (2010) cũng đã xem xét các mối quan hệ nhân quả và dài hạn giữa tăng trưởng kinh tế, phát thải carbon, tiêu thụ năng lượng và tỷ lệ lao động ở Thổ Nhĩ Kỳ bằng cách sử dụng phân phối tự hồi qui giới hạn bởi phương pháp thử nghiệm đồng liên kết Kết quả thực nghiệm cho Thổ Nhĩ Kỳ trong giai đoạn 1968-2005 cho thấy một bằng chứng của một mối quan hệ lâu dài giữa các biến ở mức ý nghĩa 5% ở Thổ Nhĩ Kỳ Độ co giãn thu nhập ước tính lượng khí thải carbon bình quân đầu người là -0,606 và độ co giãn thu nhập của năng lượng tiêu thụ bình quân đầu người là 1.375 Kết quả cho sự tồn tại và xu hướng nhân quả Granger cho thấy phát thải carbon bình quân đầu người cũng như tiêu thụ năng lượng trên đầu người không có quan hệ với GDP thực tế bình quân đầu người, nhưng tỷ lệ lao động có quan hệ một chiều đến GDP thực tế bình quân đầu người trong thời gian ngắn hạn Ngoài ra, giả thuyết EKC tại khuôn khổ quan hệ nhân quả bằng cách sử dụng một mô hình tuyến tính logarit là không hợp lệ trong trường hợp Thổ Nhĩ Kỳ Các kết quả tổng thể cho thấy rằng chính sách bảo tồn năng lượng, chẳng hạn như phân phối tiêu thụ năng lượng và lượng khí thải carbon dioxide kiểm soát, có thể sẽ không có ảnh hưởng xấu đến sự tăng trưởng sản lượng thực tế của Thổ Nhĩ Kỳ

Pao, Tsai (2010) đã xem xét mối quan hệ nhân quả giữa khí thải gây ô nhiễm, tiêu thụ năng lượng và sản lượng cho một bảng các nước BRIC trong giai đoạn 1971-2005, ngoại trừ Nga (1990-2005) Trong tiêu thụ năng lượng cân bằng dài hạn có tác động tích cực và có ý nghĩa thống kê về lượng khí thải, trong khi sản lượng thực tế thể hiện các mô hình hình chữ U ngược liên quan đến giả thuyết đường cong môi trường Kuznets (EKC) với thu nhập ngưỡng 5,393 (trong logarit) Trong ngắn hạn, những thay đổi trong khí thải được dẫn dắt chủ yếu bởi các cú sốc tiêu thụ năng lượng ngắn hạn và biến điều chỉnh sai số, trái ngược với những cú sốc sản lượng ngắn hạn cho mỗi quốc gia Độ lệch ngắn hạn từ cân bằng dài hạn mất từ 0,770 năm (Nga) đến 5,848 năm (Brazil) để sửa chữa Kết quả bảng nhân quả cho thấy có quan hệ nhân quả hai chiều mạnh mẽ giữa tiêu thụ năng lượng với khí thải

và quan hệ nhân quả hai chiều trong dài hạn giữa tiêu thụ năng lượng với đầu ra, cùng với quan hệ nhân quả ngắn hạn mạnh mẽ một chiều từ khí thải và tiêu thụ năng lượng đến sản lượng Nhìn chung, để giảm lượng khí thải và không làm ảnh hưởng xấu đến tăng trưởng kinh tế, tăng cả đầu tư cung cấp năng lượng và hiệu quả năng lượng, đẩy mạnh các chính sách bảo tồn năng lượng để giảm lãng phí không cần thiết của năng lượng có thể được đề xuất cho các nước BRIC phụ thuộc năng lượng

Omri (2013) đã xem xét mối liên hệ giữa lượng khí thải CO2, tiêu thụ năng lượng và tăng trưởng kinh tế sử dụng mô hình phương trình đồng thời (simultaneous - equations models) với dữ liệu bảng của 14 quốc gia MENA trong giai đoạn 1990-2011 Kết quả thực nghiệm của họ cho thấy có tồn tại một mối quan

hệ nhân quả hai chiều giữa mức tiêu thụ năng lượng và tăng trưởng kinh tế Tuy nhiên, các kết quả hỗ trợ cho sự xuất hiện của quan hệ nhân quả theo một chiều từ mức tiêu thụ năng lượng đến phát thải CO2 mà không cần bất kỳ hiệu ứng phản hồi,

và có tồn tại một mối quan hệ nhân quả hai chiều giữa tăng trưởng kinh tế và khí thải CO2 cho khu vực nói chung Nghiên cứu cho thấy rằng các chính sách môi trường và năng lượng nên nhận ra sự khác biệt trong mối quan hệ giữa việc tiêu thụ

năng lượng và tăng trưởng kinh tế nhằm duy trì tăng trưởng kinh tế bền vững trong khu vực MENA

Hình 2.1 Sự tương tác giữa CO2, năng lượng và GDP cho các nước MENA Arouri và cộng sự (2012) đã mở rộng những phát hiện gần đây của Liu (2005), Ang (2007), Apergis và cộng sự (2009) và Payne (2010) bằng cách thực hiện kiểm định tính dừng gần đây, và kỹ thuật đồng liên kết để điều tra các mối quan hệ giữa khí thải carbon dioxide, tiêu thụ năng lượng, và GDP thực tế cho 12 nước Trung Đông và các nước Bắc Phi (MENA) trong giai đoạn 1981- 2005 Kết quả cho thấy rằng trong việc tiêu thụ năng lượng dài hạn có một tác động đáng kể tích cực lên lượng khí thải CO2 Thú vị hơn, họ cho rằng GDP thực tế thể hiện một mối quan hệ bậc hai với lượng khí thải CO2 cho toàn bộ khu vực Tuy nhiên, mặc

dù các hệ số dài hạn ước tính của thu nhập và bình phương của nó thỏa mãn các giả thuyết EKC trong hầu hết các nước nghiên cứu, những bước ngoặt rất thấp trong một số trường hợp và rất cao trong các trường hợp khác, do đó cung cấp bằng chứng nghèo nàn hỗ trợ cho giả thuyết EKC Giảm phát thải CO2 bình quân đầu người đã đạt được trong các khu vực MENA, ngay cả trong khi khu vực thể hiện sự tăng trưởng kinh tế trong giai đoạn 1981-2005 Các mối quan hệ kinh tế có nguồn gốc trong bài nghiên cứu này cho rằng cắt giảm lượng khí thải CO2 tương lai bình quân đầu người có thể đạt được cùng một lúc như GDP bình quân đầu người ở khu vực MENA tiếp tục phát triển

Wang và cộng sự (2011) đã xem xét các mối quan hệ nhân quả giữa lượng khí thải carbon dioxide, tiêu thụ năng lượng và sản lượng kinh tế thực, sử dụng

đồng liên kết bảng và kỹ thuật mô hình sửa lỗi vector bảng dựa trên các dữ liệu bảng của 28 tỉnh của Trung Quốc trong giai đoạn 1995-2007 Kết quả thực nghiệm của nghiên cứu cho thấy rằng lượng khí thải CO2, tiêu thụ năng lượng và tăng trưởng kinh tế đã xuất hiện đồng liên kết Hơn nữa, có tồn tại quan hệ nhân quả hai chiều giữa khí thải CO2 và tiêu thụ năng lượng, cũng như giữa việc tiêu thụ năng lượng và tăng trưởng kinh tế Nghiên cứu cũng tìm thấy rằng tiêu thụ năng lượng và tăng trưởng kinh tế là nguyên nhân dài hạn cho lượng khí thải CO2 và lượng khí thải

CO2 và tăng trưởng kinh tế là những nguyên nhân dài hạn cho mức tiêu thụ năng lượng Kết quả chỉ ra rằng lượng khí thải CO2 của Trung Quốc sẽ không giảm trong một thời gian dài của thời gian và việc giảm lượng khí thải CO2 có thể cản trở tăng trưởng kinh tế của Trung Quốc ở một vài mức độ Một số gợi ý chính sách của các kết quả thực nghiệm cuối cùng đã được đề xuất

Pao và Tsai (2011) đã xem xét các mối quan hệ năng động giữa khí thải gây

ô nhiễm, tiêu thụ năng lượng và sản lượng cho Brazil giai đoạn 1980-2007 Mô hình

dự báo Grey (GM) được áp dụng để dự đoán ba biến trong giai đoạn 2008-2013 Trong dài hạn phát thải cân bằng phản ứng chậm với sự thay đổi của cả tiêu thụ năng lượng và sản lượng, nhưng năng lượng là một yếu tố quyết định quan trọng hơn lượng khí thải so với sản lượng Điều này có thể là do sử dụng đất không bền vững của Brazil và lâm nghiệp đóng góp nhiều nhất vào lượng khí thải khí nhà kính của đất nước Những phát hiện của mối quan hệ hình chữ U ngược của cả khí thải - thu nhập và năng lượng tiêu thụ - thu nhập hàm ý rằng cả thiệt hại môi trường và tiêu thụ năng lượng trước hết làm tăng thu nhập, sau đó ổn định, và cuối cùng giảm Các kết quả quan hệ nhân quả chỉ ra rằng có một quan hệ nhân quả mạnh hai chiều chạy giữa thu nhập, tiêu thụ năng lượng và khí thải Để giảm phát thải và tránh ảnh hưởng tiêu cực đến tăng trưởng kinh tế, Brazil nên áp dụng chiến lược kép của tăng cường đầu tư cơ sở hạ tầng năng lượng và đẩy mạnh các chính sách bảo tồn năng lượng để tăng hiệu quả năng lượng và giảm lãng phí năng lượng Khả năng dự báo của GM được so sánh với mô hình tự hồi quy tích hợp trung bình trượt (ARIMA)

trong giai đoạn ngoài mẫu giữa năm 2002 và 2007 Tất cả các GM và ARIMAs tối

ưu có một dự đoán hiệu suất mạnh mẽ với MAPEs dưới 3%

Bảng 2.1 Mối quan hệ giữa phát thải CO2, tiêu thụ năng lượng và tăng trưởng kinh

tiêu thụ năng lượng, CO2 và tăng trưởng kinh tế

Quan hệ hai chiều tích cực đáng kể giữa các biến Ngoài ra, các tác giả nhận thấy rằng, hầu hết các khí thải CO2 xảy ra như

là kết quả của tiêu thụ năng lượng Acaravci

và

Ozturk

(2010)

19 nước châu Âu

tiêu thụ năng lượng, CO2 và tăng trưởng kinh tế

Quan hệ lâu dài giữa khí thải carbon trên đầu người, mức tiêu thụ năng lượng trên đầu người, tổng sản phẩm trong nước thực (GDP) bình quân đầu người và bình phương của GDP thực tế đầu người chỉ cho Đan Mạch, Đức, Hy lạp, Iceland, Ý,

Bồ Đào Nha và Thụy Sĩ Quan hệ nhân quả giữa các biến

Quan hệ lâu dài giữa các biến, quan hệ nhân quả giữa tỷ lệ lao động và GDP thực bình quân đầu người

Quan hệ nhân quả hai chiều mạnh mẽ giữa tiêu thụ năng lượng với khí thải và quan hệ nhân quả hai chiều trong dài hạn giữa tiêu thụ năng lượng với sản lượng, cùng với quan hệ nhân quả ngắn hạn mạnh mẽ một chiều từ khí thải và tiêu thụ năng lượng đến sản lượng

Quan hệ nhân quả hai chiều giữa mức tiêu thụ năng lượng và tăng trưởng kinh

tế ,tăng trưởng kinh tế và khí thải CO2,quan hệ nhân quả theo một chiều từ mức tiêu thụ năng lượng đến phát thải CO2

Việc tiêu thụ năng lượng dài hạn có một tác động đáng kể tích cực lên lượng khí thải CO2 GDP thực tế thể hiện một mối quan hệ bậc hai với lượng khí thải CO2

Quan hệ nhân quả hai chiều giữa khí thải

CO2 và tiêu thụ năng lượng, tiêu thụ năng lượng và tăng trưởng kinh tế Nghiên cứu cũng tìm thấy rằng tiêu thụ năng lượng và tăng trưởng kinh tế là nguyên nhân dài hạn cho lượng khí thải

CO2 và lượng khí thải CO2 và tăng trưởng kinh tế là những nguyên nhân dài

hạn cho mức tiêu thụ năng lượng Pao, Tsai

(2011)

Brazil khí thải gây ô

nhiễm, tiêu thụ năng lượng và sản lượng

Quan hệ nhân quả mạnh hai chiều chạy giữa thu nhập, tiêu thụ năng lượng và khí thải

2.2.2 Mối quan hệ giữa CO 2 và phát triển tài chính

Shahbaz và cộng sự (2013) trong một nghiên cứu chuỗi thời gian đã áp dụng các phương pháp tiếp cận giới hạn thử nghiệm để kiểm tra đồng liên kết để kiểm tra ảnh hưởng của phát triển tài chính đến khí thải CO2 tại Malaysia Phát hiện của họ cho thấy có mối quan hệ dài hạn đáng kể giữa lượng khí thải CO2, phát triển tài chính, tiêu thụ năng lượng và tăng trưởng kinh tế Các bằng chứng thực nghiệm cũng chỉ ra rằng sự phát triển tài chính làm giảm lượng khí thải CO2 Tiêu thụ năng lượng và tăng trưởng kinh tế làm tăng lượng khí thải CO2 Phân tích nhân quả Granger cho thấy giả thuyết phản hồi giữa phát triển tài chính và lượng khí thải

CO2, tiêu thụ năng lượng và phát thải CO2 và, giữa khí thải CO2 và tăng trưởng kinh

tế

Al-mulali và Sab (2012) đã khảo sát tác động của tiêu thụ năng lượng và phát thải CO2 trên tăng trưởng GDP (tổng sản phẩm trong nước) và phát triển tài chính trong ba mươi quốc gia châu Phi tiểu vùng Sahara Mô hình bảng được sử dụng trong nghiên cứu này từ giai đoạn 1980 đến 2008 Kết quả cho thấy rằng tiêu thụ năng lượng đã đóng một vai trò quan trọng để tăng cả tốc độ tăng trưởng kinh tế

và sự phát triển tài chính trong nền kinh tế điều tra nhưng với hậu quả của ô nhiễm cao Nghiên cứu này khuyến cáo rằng các nước cần tăng năng suất năng lượng bằng cách tăng hiệu quả năng lượng, thực hiện các dự án tiết kiệm năng lượng, bảo tồn năng lượng, và gia công phần mềm cơ sở hạ tầng năng lượng để đạt được sự phát triển và tăng trưởng GDP tài chính và tăng cường đầu tư của họ vào các dự án năng lượng để đạt được tiềm năng năng lượng đầy đủ

Ozturk và Acaravcib (2013) đã kiểm tra các mối quan hệ nhân quả giữa phát triển tài chính, thương mại, tăng trưởng kinh tế, tiêu thụ năng lượng và khí thải carbon ở Thổ Nhĩ Kỳ cho giai đoạn 1960-2007 Các giới hạn F-test về kiểm định đồng liên kết cung cấp bằng chứng về một mối quan hệ dài hạn giữa khí thải carbon trên đầu người, mức tiêu thụ năng lượng trên đầu người, bình quân thu nhập thực tế, bình phương thu nhập bình quân đầu người thực tế, sự cởi mở và phát triển tài chính Kết quả cho thấy sự gia tăng trong thương mại nước ngoài với tỷ lệ GDP gây

ra sự gia tăng lượng khí thải carbon trên đầu người và biến phát triển tài chính đã không có ảnh hưởng đáng kể lượng khí thải carbon bình quân đầu người trong thời gian dài Những kết quả này cũng hỗ trợ tính hợp lệ của giả thuyết EKC trong nền kinh tế Thổ Nhĩ Kỳ Nó có nghĩa là mức độ khí thải CO2 ban đầu tăng lên theo thu nhập, cho đến khi nó đạt đến điểm ổn định của nó, sau đó nó giảm ở Thổ Nhĩ Kỳ

Zhang (2011) đã sử dụng một số kỹ thuật kinh tế, bao gồm cả lý thuyết đồng liên kết, kiểm tra hệ nhân quả Granger, phương sai, v.v, để khám phá những ảnh hưởng của phát triển tài chính đến khí thải carbon Kết quả cho thấy, lần đầu tiên, phát triển tài chính của Trung Quốc đóng vai trò như một động lực quan trọng cho tăng lượng khí thải carbon, nên được đưa vào tài khoản khi nhu cầu khí thải carbon được dự tính Thứ hai, ảnh hưởng của quy mô trung gian tài chính lên khí thải carbon giá trị hơn các chỉ số phát triển tài chính khác nhưng ảnh hưởng hiệu quả của nó xuất hiện đến nay yếu hơn mặc dù nó có thể gây ra sự thay đổi của thống

kê khí thải carbon Thứ ba, quy mô thị trường chứng khoán Trung Quốc có ảnh hưởng tương đối lớn đến khí thải cácbon nhưng ảnh hưởng của hiệu quả của nó là rất hạn chế Điều này đến một mức độ nào phản ánh tính thanh khoản tương đối thấp trong thị trường chứng khoán Trung Quốc Cuối cùng, trong số các chỉ số phát triển tài chính, FDI của Trung Quốc gây sức ảnh hưởng nhất về sự thay đổi của khí thải carbon, do khối lượng tương đối nhỏ hơn của nó so với GDP; nhưng nó chủ yếu được sử dụng trong các lĩnh vực chuyên sâu carbon bây giờ, do đó, với sự gia tăng của FDI của Trung Quốc trong tương lai, nhiều nỗ lực nên được thực hiện để điều

chỉnh hướng sử dụng của nó và đóng vai trò tích cực trong việc thúc đẩy phát triển cacbon thấp

Jalil (2011) đã điều tra tác động của phát triển tài chính, tăng trưởng kinh tế

và tiêu thụ năng lượng đến ô nhiễm môi trường ở Trung Quốc giai đoạn 1953-2006 bằng cách sử dụng phương pháp ARDL Mục tiêu chính là để kiểm tra các mối quan hệ cân bằng lâu dài giữa phát triển tài chính và ô nhiễm môi trường Các kết quả phân tích cho thấy một dấu hiệu xấu cho hệ số phát triển tài chính, cho rằng sự phát triển tài chính ở Trung Quốc đã không xảy ra trong sự gia tăng các chi phí của

ô nhiễm môi trường Ngược lại, nó được tìm thấy rằng sự phát triển tài chính đã dẫn đến việc giảm ô nhiễm môi trường Có thể kết luận rằng lượng khí thải carbon chủ yếu xác định bằng thu nhập, tiêu thụ năng lượng và mở cửa thương mại trong thời gian dài Hơn nữa, những phát hiện xác nhận sự tồn tại của một đường cong môi trường Kuznets trong trường hợp của Trung Quốc

Boutabba (2014) đã xem xét mối quan hệ cân bằng dài hạn và liên hệ nhân quả giữa khí thải CO2, phát triển tài chính, tiêu thụ năng lượng và mở cửa thương mại với Ấn Độ Các kết quả cho thấy một tác động lâu dài đáng kể tích cực của phát triển tài chính đến khí thải CO2, đó là, phát triển tài chính làm tăng lượng khí thải

CO2 trong mối quan hệ nhân quả một chiều chạy từ sự phát triển tài chính đến lượng khí thải CO2

Ziaei (2015) đã nghiên cứu ảnh hưởng của hai chỉ số phát triển tài chính (thị trường tín dụng và chứng khoán) về tiêu thụ năng lượng và khí thải CO2 Kết quả cho thấy rằng sự phát triển tài chính làm giảm lượng khí thải CO2 khi thị trường chứng khoán được coi là một chỉ số về phát triển tài chính

Bảng 2.2 Mối quan hệ giữa phát thải CO2 và phát triển tài chính

sự (2013) CO2 năng lượng và tăng trưởng kinh tế Phát

triển tài chính làm giảm lượng khí thải CO2 Tiêu thụ năng lượng và tăng trưởng kinh tế làm tăng lượng khí thải CO2

Tiêu thụ năng lượng đã đóng một vai trò quan trọng để tăng cả tốc độ tăng trưởng kinh tế và sự phát triển tài chính trong nền kinh tế điều tra nhưng với hậu quả của ô nhiễm cao

trưởng kinh tế, tiêu thụ năng lượng và khí thải carbon

Quan hệ dài hạn giữa khí thải carbon trên đầu người, mức tiêu thụ năng lượng trên đầu người, bình quân thu nhập thực

tế, bình phương thu nhập bình quân đầu người thực tế, sự cởi mở và phát triển tài chính Sự gia tăng trong thương mại nước ngoài với tỷ lệ GDP gây ra sự gia tăng lượng khí thải carbon trên đầu người và biến phát triển tài chính đã không có ảnh hưởng đáng kể lượng khí thải carbon bình quân đầu người trong thời gian dài

CO2

Phát triển tài chính đóng vai trò như một động lực quan trọng cho tăng lượng khí thải carbon Ảnh hưởng của quy mô trung gian tài chính lên khí thải carbon giá trị hơn các chỉ số phát triển tài chính

khác Quy mô thị trường chứng khoán Trung Quốc có ảnh hưởng tương đối lớn đến khí thải cácbon nhưng ảnh hưởng của hiệu quả của nó là rất hạn chế Jalil

(2011)

Trung

Quốc

phát triển tài chính, tăng trưởng kinh tế

và tiêu thụ năng lượng, ô

trường

Phát triển tài chính ở Trung Quốc đã không xảy ra trong sự gia tăng các chi phí của ô nhiễm môi trường Ngược lại,

nó được tìm thấy rằng sự phát triển tài chính đã dẫn đến việc giảm ô nhiễm môi trường Khí thải carbon chủ yếu xác định bằng thu nhập, tiêu thụ năng lượng

và mở cửa thương mại trong thời gian dài

Boutabba

(2014)

Ấn Độ khí thải CO2,

phát triển tài chính, tiêu thụ năng lượng và

mở cửa thương mại

Phát triển tài chính làm tăng lượng khí thải CO2 trong mối quan hệ nhân quả một chiều chạy từ sự phát triển tài chính đến lượng khí thải CO2

và phát thải CO2

Sự phát triển tài chính làm giảm lượng khí thải CO2 khi thị trường chứng khoán được coi là một chỉ số về phát triển tài chính

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Mô tả biến và dữ liệu

Số liệu các biến trong nghiên cứu này được lấy từ chỉ số Phát triển thế giới (WDI) với 14 nước thuộc châu Á-Thái Bình Dương bao gồm Brunei, Cambodia, Indonesia, Malaysia, Philippine, Singapore, Thái Lan, Việt Nam, Trung Quốc, Nhật Bản, Hàn Quốc, Mông Cổ, Australia và New Zealand giai đoạn từ 1991-2014

- Khí thải CO2 bình quân đầu người (C)

- Tiêu thụ điện bình quân đầu người (E)

- GDP thực bình quân đầu người (Y)

- Phát triển tài chính (FD)

Các biến được lấy logarit tự nhiên để giảm tính không đồng nhất của

dữ liệu

3.2 Mô hình nghiên cứu

Mô hình nghiên cứu sẽ xem xét mối quan hệ giữa tăng trưởng kinh tế, tiêu thụ năng lượng, lượng khí thải CO2 và phát triển tài chính

Bài nghiên cứu ước lượng mô hình thực nghiệm như trong Salahuddin, Gow và Ozturk (2015):

Cit = βi + β1 ln Eit + β2 ln Yit + β3 ln FDit + εit (1)

Các hệ số β1 và β2 đại diện cho các ước lượng độ co dãn dài hạn của khí thải CO2 liên quan đến tiêu thụ năng lượng và GDP bình quân đầu người, vì một sự gia tăng trong tiêu thụ điện và thu nhập dự kiến sẽ gây ra sự gia tăng lượng khí thải

CO2 Ảnh hưởng của phát triển tài chính lên lượng khí thải CO2 không thể được dự đoán ở giai đoạn này vì các tài liệu cung cấp những bằng chứng không thuyết phục

về mối quan hệ này

Để ước lượng mô hình, những hành động sau đã được thực hiện trong một quá trình tuần tự các bước sau:

(i) Kiểm định sự phụ thuộc dữ liệu chéo (CD) đã được thực hiện để xác minh xem có sự phụ thuộc dữ liệu chéo trong bảng dữ liệu;

(ii) Với mỗi sự phụ thuộc dữ liệu chéo được quan sát, một kiểm định tính dừng dữ liệu bảng thích hợp (ví dụ: CIPS) đã được tiến hành để kiểm tra tính dừng của chuỗi;

(iii) Kiểm định đồng liên kết Fisher cái mà xác minh mối quan hệ dài hạn giữa các biến sau đó đã được tiến hành;

(iv) DOLS dữ liệu bảng và FMOLS dữ liệu bảng đã được sử dụng để ước lượng mối quan hệ dài hạn giữa các biến;

(v) Kiểm định quan hệ nhân quả VECM Granger đã được tiến hành để đánh giá mối quan hệ nhân quả giữa các biến

(vi) Sự vững mạnh của các hướng nhân quả của mối quan hệ đã được kiểm tra bằng cách sử dụng cách tiếp cận kế toán sáng tạo (IAA) thông qua hàm phản ứng xung và phân tích phân rã phương sai

3.3 Các phương pháp kiểm định

3.3.1 Kiểm định nghiệm đơn vị

Kiểm định nghiệm đơn vị là một bước quan trọng trong phân tích dữ liệu chuỗi thời gian Kiểm định sẽ cho biết chuỗi dữ liệu dừng hay không dừng Nếu chuỗi dữ liệu dừng - tức những đặc điểm của chuỗi dữ liệu không thay đổi theo thời gian như phương sai và trung bình thì có thể thực hiện hồi quy, kết quả hồi quy sẽ đáng tin cậy hơn Còn nếu dữ liệu không dừng mà được đưa vào mô hình hồi quy

có thể dẫn đến hồi quy giả mạo và những kết quả ước lượng sẽ không đáng tin cậy

Asteriou (2009) cho rằng các tham số dài hạn có khả năng chứng minh mối quan hệ đồng liên kết giữa một bộ biến I (1) Nói cách khác, các biến kinh tế vĩ mô trong mô hình được mong đợi sẽ được đặc trưng bởi một quá trình nghiệm đơn vị theo Nelson C và Plosser C (1982) Do đó, xác định trật tự liên kết của các biến là

ưu tiên tiếp theo trong ước lượng và tiến hành các kiểm định nghiệm đơn vị cho tất

cả các biến đạt được mục tiêu đó Một cuộc kiểm tra sự hiện diện của mối quan hệ đương thời qua các nước đã đạt được bằng cách thực hiện một kiểm định phụ thuộc

dữ liệu chéo (CD) được phát triển bởi Pesaran (2004) người đã định nghĩa thống kê

CD là

(2) với

Trong đó là các hệ số tương quan chéo từng cặp từ hồi quy ADF thông thường; T và N tương ứng là kích thước mẫu và bảng

Vì kiểm định CD cho thấy sự phụ thuộc dữ liệu chéo trong bảng, hồi quy Dickey-Fuller tăng cường dữ liệu chéo (CADF) sau đây được sử dụng:

với là trung bình chéo của yit Mục đích của việc đưa các giá trị trung bình chéo vào phương trình trên là để kiểm soát mối tương quan đồng thời giữa các yit Đây là một phiên bản sửa đổi của kiểm định IPS theo Pesaran

và cộng sự (2003) và được gọi là kiểm định IPS chéo tăng cường (CIPS) theo Pesaran (2007) Các giả thuyết của các kiểm định có thể được thể hiện như sau:

H0: β1 = 0 với tất cả i so với giả thuyết thay thế H0: β < 0 với một vài i Thống kê kiểm định cung cấp bởi Pesaran (2007) được cho là

CIPS(N,T) = N-1 ∑

với ti(N,T) là kiểm định t của βi trong phương trình (2) Giá trị phân tích của CIPS(N,T) có sẵn trong bảng II(c) của Pesaran (2007)

3.3.2 Kiểm định đồng liên kết

Chuỗi không dừng không nên đưa vào mô hình hồi quy để tránh vấn đề về hồi quy giả mạo Tuy nhiên, các nhà kinh tế học chỉ ra rằng, hầu hết các chuỗi thời gian kinh tế đều không dừng hay đều có xu hướng Vì vậy, các nhà nghiên cứu đã

đề xuất một giải pháp là lấy sai phân chuỗi dữ liệu cho đến khi chuỗi dừng Thế nhưng việc lấy sai phân dẫn tới việc thất thoát một vài thông tin dài hạn có giá trị của dữ liệu Để giải quyết vấn đề này, năm 1981 Granger đã đưa ra khái niệm đồng liên kết và sau đó Engle và Granger (1987) đã cung cấp một nền tảng lý thuyết vững chắc cho việc trình bày, kiểm định, ước lượng và mô phỏng những chuỗi thời gian không dừng nhưng đồng liên kết

3.3.3 Kiểm định đồng liên kết theo Johansen (1988)

Kiểm định đồng liên kết dữ liệu bảng theo Johansen là một phiên bản của kiểm định đồng liên kết của từng chuỗi theo kiểm định của Johansen (1988) Dựa trên nguyên tắc nền tảng tương tự kiểm định nghiệm đơn vị dạng bảng theo Fisher – ADF Kiểm định Johansen Fisher (1988) dựa trên phương pháp hợp lý cực đại gồm hai tiêu chuẩn gồm:

- Tiêu chuẩn kiểm định giá trị riêng cực đại (maximum eigen value test)

+ Giả thiết H0: có ít nhất r vector đồng liên kết + Giả thiết H1: có r+1 vector đồng liên kết

- Tiêu chuẩn kiểm định vết (Trace test)

+ Giả thiết H0: có ít nhất r vector đồng liên kết + Giả thiết H1: có tối đa r+1 vector đồng liên kết Nếu trace value hay maximum eigen value nhỏ hơn giá trị tới hạn thì chấp nhận H0, ngược lại thì bác bỏ H0, chấp nhận H1

3.3.4 Ước lượng hồi quy đồng liên kết bảng

Nếu một quan hệ đồng liên kết giữa các biến được tìm thấy, bước tiếp theo là ước lượng các tham số dài hạn Vì có tồn tại đồng liên kết, OLS dẫn đến hệ số giả, một số phương pháp thực nghiệm thay thế được đề xuất Một trong những phương

pháp đó là DOLS , được cho là cung cấp kết quả tốt hơn cho các bảng đồng liên kết Tuy nhiên, một điểm yếu lớn của DOLS theo Kao và Chiang (2000) là nó không xem xét các vấn đề không đồng nhất dữ liệu chéo Pedroni (2000, 2001) đề xuất phương pháp ước lượng FMOLS cho bảng đồng liên kết, phương pháp này đưa vào các vấn đề tương quan chuỗi, nội sinh và không đồng nhất dữ liệu chéo Kỹ thuật FMOLS được cho là cung cấp ước lượng phù hợp trong các mẫu nhỏ

3.3.5 Mô hình hiệu ứng cố định năng động

Một nhược điểm chung của cả hai phương pháp DOLS và FMOLS là chúng không ước lượng mối quan hệ ngắn hạn theo Murthy (2007) Phương pháp thay thế như hồi quy nhóm trung bình gộp (PMG), hồi quy nhóm trung bình (MG) và mô hình hiệu ứng cố định năng động (DFE) có sẵn để xem xét các mức độ khác nhau của sự không đồng nhất giữa các nước trong khi ước lượng những ảnh hưởng dài hạn và ngắn hạn một cách đồng loạt DFE áp đặt các hạn chế đồng nhất trên các hệ

số dài hạn và ngắn hạn trong khi cho phép chặn để thay đổi

Trong thực tế, tương quan đồng thời giữa các phần dư phát sinh từ các yếu tố thường bị bỏ qua Để loại bỏ những ảnh hưởng của các yếu tố phổ biến cho các hiệu ứng thời gian cụ thể trong hồi quy ước lượng được thực hiện Để phù hợp với yêu cầu dự toán chuẩn và suy luận, phương trình (1) được gắn vào một mô hình ARDL (p, q) Trong hình thức sửa lỗi, ta có thể viết như sau:

(4) với yi là biến phụ thuộc (khí thải CO2), Xs là biến độc lập (tiêu thụ điện, tăng trưởng kinh tế và phát triển tài chính), γji và δji là hệ số ngắn hạn, βi1 là hệ số dài hạn, βi0, μt và εit tương ứng là ảnh hưởng cố định quốc gia cụ thể, ảnh hưởng thời gian cụ thể và sai số ngẫu nhiên

3.3.6 Kiểm định nhân quả Granger

Nếu các biến được tìm thấy dừng ở I(1) thì đánh giá thêm kiểm định hướng nhân quả của mối quan hệ giữa chúng Thông tin về hướng chính xác của liên hệ nhân quả cho phép thảo luận nhiều sắc thái hơn của các tác động chính sách trong các nghiên cứu theo Shahbaz (2012)

3.3.7 Phản ứng xung và phân rã phương sai

Một điểm yếu chính của bài kiểm tra quan hệ nhân quả Granger VECM là nó không thể cung cấp các ước lượng đáng tin cậy của sức mạnh nhân quả của mối quan hệ giữa các biến ngoài thời kỳ mẫu được chọn Một hạn chế nữa là nó chỉ cung cấp hướng của các mối quan hệ, không phải là dấu hiệu tương ứng Để khắc phục những hạn chế, nghiên cứu này được áp dụng phương pháp tiếp cận kế toán sáng tạo (IAA) trong đó bao gồm phân rã phương sai và các hàm phản ứng xung tổng quát Các hàm phản ứng xung tổng quát được ưa thích hơn phân tích phản ứng xung Choleski fractionalization đơn giản vì hàm đáp ứng xung tổng quát không nhạy cảm với thứ tự của các VECM Nó cũng chỉ ra cho dù tác động của đổi mới là tích cực hay tiêu cực, cho dù chúng có một tác dụng ngắn hạn hay dài hạn Các đại diện chung của phương pháp này là có sẵn trong các công trình hội thảo của Sims (1980, 1986) và Bernanke (1986) Mặc dù hàm phản ứng xung tìm thấy ảnh hưởng của một cú sốc lệch chuẩn trên các giá trị hiện tại và tương lai của tất cả các biến nội sinh thông qua các cấu trúc năng động của VECM, nó không cung cấp mức độ tác động như vậy Do đó, phương pháp phân rã phương sai được sử dụng để kiểm tra độ lớn này

Phương pháp phân rã đo lường phần trăm đóng góp của mỗi sự đổi mới đến h-step về phía trước của phương sai sai số dự báo của biến phụ thuộc và cung cấp một phương tiện để xác định tầm quan trọng tương đối của các cú sốc trong việc giải thích sự thay đổi trong các biến phụ thuộc Engle và Granger (1987) cho rằng cách tiếp cận phương sai cho kết quả đáng tin cậy hơn so với những phương pháp truyền thống khác

3.3.7.1 Tại sao không OLS, trường hợp GMM ?

Phương pháp ước lượng bình phương bé nhất (OLS) là phương pháp được dùng rất phổ biến trong lĩnh vực kinh tế lượng Ưu điểm của phương pháp này không quá phức tạp nhưng hiệu quả Với một số giả thiết ban đầu, phương pháp này

sẽ dễ dàng xác định các giá trị ước lượng hiệu quả, không chệch và vững

Tuy nhiên, khi nghiên cứu về chuỗi dữ liệu thời gian, có nhiều chuỗi vi phạm một hoặc một số giả định của OLS Khi đó, các ước lượng thu được sẽ bị bóp méo, mất tính vững và sẽ là sai lầm nếu sử dụng chúng để phân tích Một trong những dạng vi phạm giả định phổ biến là hiện tượng nội sinh, một trường hợp khi hệ số ước lượng (hoặc biến) tương quan với phần dư

Phương pháp cơ bản trong trường hợp các biến độc lập tương quan với phần

dư là ước lượng một phương trình có dùng các biến công cụ (Instrumental Variables – hồi quy IV) Ý tưởng của phương pháp hồi quy này là tìm một bộ biến, được gọi

là biến công cụ, thõa mãn cả hai điều kiện: (1) tương quan với các biến giải thích trong phương trình và (2) không tương quan với phần dư Những biến công cụ như vậy được dùng để loại vỏ sự tương quan giữa các biến giải thích và phần dư

Có nhiều phương pháp hồi quy dựa trên nền tảng của hồi quy IV như phương pháp Bình phương bé nhất hai giai đoạn (2SLS), phương pháp Maximum Likelihood trong điều kiện giới hạn thông tin (LIML), phương pháp ước lượng Moment tổng quát (GMM)

Làm thế nào để một hồi quy IV ước lượng ra hệ số với sự tham gia của biến công cụ?

Xem xét mô hình đơn giản sau:

Với x, y, là các ma trận cột × 1 Nếu x và không tương quan với nhau

thì ̂ ước lượng được là vững và không chệch Tuy nhiên nếu điều ngược lại xảy ra,

hệ số ước lượng sẽ bị chệch và không vững, mô hình không còn hiệu quả, tác động

của biến x lên biến y không đáng tin cậy

Một biến công cụ z, tương quan với biến giải thích x nhưng không tương

quan với phần dư sẽ được đưa vào mô hình, phương pháp hồi quy IV sử dụng biến giả đó để xác định hệ số ước lượng như sau:

Vì biến z không tương quan với nên hệ số ước lượng là vững và không chệch Phương pháp này có thể tổng quát lên với một mô hình nhiều biến Ta gọi X

là ma trận 𝑛×K các biến giải thích, Z là ma trận 𝑛×L các biến công cụ với K là số

lượng biến giải thích, L là số lượng biến công cụ và n là số quan sát của mỗi biến

Khi đó phương pháp IV có thể được dùng để ước lượng mô hình và hệ số ước lượng

sẽ được xác định như sau:

̂ Điều kiện để xác định được giá trị ước lượng là L ≥ K

3.3.7.2 Thủ tục ước lượng GMM và kiểm định cơ bản

Phần trên đã cố gắng trình bày một cách đơn giản, có thể hiểu được vai trò của biến công cụ trong hồi quy IV Tuy nhiên, cách thực hiện tính toán của các phương pháp hồi quy IV là rất phức tạp, GMM là phương pháp hiệu quả, ưu việt

hơn cả nên cũng khá phức tạp GMM được Lars Peter Hansen trình bày lần đầu tiên vào năm 1982 trong bài viết “Large Sample Properties of Generalized Methods of

Moments Estimators” Econometrica, Vol 50, page 1029-1054

Như đã đề cập ở phần trên, để ước lượng được hệ số β, chúng ta cần một bộ

L vector các biến công cụ (trong ước lượng GMM còn được gọi là các điều kiện moment) và số lượng biến công cụ phải không ít hơn số biến giải thích trong mô hình (L ≥ K)

Điều kiện để một biến được chọn là biến công cụ là nó không được tương quan với phần dư, điều này có nghĩa là:

( )

Ý tưởng chủ đạo của phương pháp GMM là thay thế giá trị các biến công

cụ bằng giá trị trung bình của mẫu:

và đi tìm Vector β thõa mãn phương trình trên

Khi số lượng điều kiện moment lớn hơn số biến trong mô hình (L > K) thì phương trình không thể xác định một nghiệm chính xác duy nhất (có nhiều nghiệm

có thể thõa mãn phương trình) Khi đó mô hình được gọi là overidentified Trong trường hợp đó, chúng ta phải thực hiện tính toán lại nhằm xác định giá trị β làm cho điều kiện moment ( ) “gần” bằng 0 nhất có thể, khái niệm “gần” được hiểu là khoảng cách với giá trị 0 là nhỏ nhất, khoảng cách đó được xác định như sau:

( ̂ )

Ma trận ngẫu nhiên, cân xứng và không âm ̂ (kích thước L x L) được gọi

là ma trận trọng số vì nó thể hiện mức đóng góp của các điều kiện moment khác nhau vào khoảng cách J Phương pháp ước lượng GMM sẽ xác định giá trị ước lượng β để khoảng cách J là nhỏ nhất

Kiểm định quan trọng nhất của phương pháp ước lượng GMM là kiểm định Overidentifying Restrictions (Overidentifying Restrictions Test) hay còn gọi là kiểm định Sargent (Sargent Test) hoặc kiểm định J (J – Test) Đây là kiểm định cần thiết trong trường hợp số biến công cụ nhiều hơn số biến trong mô hình Ý tưởng của kiểm định là xem xét biến công cụ có tương quan với phần dư của mô hình không Nếu câu trả lời là không, khi đó biến công cụ là nội sinh, thì biến công cụ được chọn là phù hợp và mô hình sử dụng biến đó để ước lượng cũng phù hợp

Kiểm định Sargent sử dụng thống kê J (J – statistic) nhằm kiểm định giả thiết H0 - biến công cụ là nội sinh, mô hình phù hợp Thống kê J tuân theo phân phối Chi Bình phương và được trình bày trên bảng kết quả ước lượng của phần mềm thống

kê cùng với giá trị P – value tương ứng của nó

3.3.7.3 Tính chất của phương pháp ước lượng GMM

Khi số lượng mẫu phù hợp giá trị β ước lượng được sẽ vững, khi đó giá trị ước lượng được sẽ càng gần với giá trị thực của nó Ước lượng GMM sẽ cho ra các giá trị ước lượng tuân theo phân phối chuẩn, đây là thuộc tính rất quan trọng vì đó

là cơ sở để chúng ta xây dựng giá trị dự đoán ở các độ tin cậy và thực hiện các kiểm định khác Phương pháp GMM cũng cho ra kết quả là các giá trị ước lượng hiệu quả, nghĩa là giá trị phương sai trong mô hình ước lượng là nhỏ nhất

CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU

Những điểm ưu thế của dữ liệu bảng so với dữ liệu theo chuỗi thời gian và không gian, theo Baltagi (2008), vì dữ liệu bảng liên quan đến các cá nhân, doanh nghiệp, v.v… theo thời gian, nên nhất định phải có tính dị biệt (không đồng nhất) trong các đơn vị này Kỹ thuật ước lượng dữ liệu bảng có thể chính thức xem xét đến tính dị biệt đó bằng cách xem xét các biến số có tính đặc thù theo từng cá nhân, được trình bày ngay sau đây Ta sử dụng thuật ngữ cá nhân theo ý nghĩa chung bao gồm các đơn vị vi mô như các cá nhân, các doanh nghiệp Thông qua kết hợp các chuỗi theo thời gian của các quan sát theo không gian, dữ liệu bảng cung cấp

“những dữ liệu có nhiều thông tin hơn, đa dạng hơn, ít cộng tuyến hơn giữa các biến

số, nhiều bậc tự do hơn và hiệu quả hơn

Thông qua nghiên cứu các quan sát theo không gian lặp lại, dữ liệu bảng phù hợp hơn để nghiên cứu tính động của thay đổi Tình trạng thất nghiệp, luân chuyển công việc, và tính lưu chuyển lao động sẽ được nghiên cứu tốt hơn với dữ liệu bảng

Dữ liệu bảng có thể phát hiện và đo lường tốt hơn những ảnh hưởng mà không thể quan sát trong dữ liệu chuỗi thời gian thuần túy hay dữ liệu chéo theo không gian thuần túy Dữ liệu bảng giúp ta nghiên cứu những mô hình hành vi phức tạp hơn Ví

dụ, các hiện tượng như lợi thế kinh tế theo qui mô và thay đổi kỹ thuật có thể được xem xét thông qua dữ liệu bảng tốt hơn so với dữ liệu theo chuỗi thời gian thuần túy hay theo không gian thuần túy Bằng cách thu thập những số liệu có sẵn cho vài nghìn đơn vị, dữ liệu bảng có thể tối thiểu hóa sự thiên lệch có thể xảy ra nếu ta tổng hợp các cá nhân hay các doanh nghiệp thành số liệu tổng Nói vắn tắt, dữ liệu bảng có thể giúp chúng ta phân tích thực nghiệm theo những cách thức mà không chắc có thể đạt được nếu ta chỉ sử dụng các dữ liệu theo chuỗi thời gian hay không gian thuần túy