كليدواژه :
عوامل اقتصادي , عوامل محيطي , انتشار دياكسيدكربن , مدل دوربين فضايي , داده‌هاي تابلويي , STIRPAT
چكيده فارسي :
گرم شدن تدريجي كره زمين و اثرات منفي اقتصادي و زيست‌محيطي آن، توجه به توسعه پايدار را بسيار حائزاهميت كرده است. از آنجايي كه عامل اصلي تغييرات آبوهوايي، انتشار گازهاي گلخانه‌اي؛ از جمله CO2 است، كشورها به دنبال جلوگيري از رشد سريع انتشار آلاينده‌ها به منظور كاهش تغييرات آبوهوايي در سراسر جهان هستند. بر اين اساس و با توجه به اهميت موضوع، مطالعه حاضر، به بررسي تأثير متغيرهايي؛ مانند درآمد سرانه، جمعيت، ساختار مصرف انرژي، شدت انرژي، درجه باز بودن تجاري، سهم صنعت از GDP بر انتشار دياكسيدكربن در كشورهاي منطقه منا، طي دوره 2015-1993 بر مبناي الگوي رگرسيون اثرات تصادفي جمعيت، رفاه و فناوري تعميم‌يافته(STRIPAT) و مدل اقتصادسنجي پانل دوربين فضايي (SDPDM) پرداخته است. نتايج اين مطالعه نشان مي‌دهند كه لگاريتم GDP، جمعيت، ساختار مصرف انرژي و شدت انرژي، داراي تأثير مثبت و معني‌داري بر انتشار دياكسيدكربن هستند و درجه باز بودن تجاري، تأثير منفي و معني‌داري بر انتشار كربن دارد. همچنين تأثير مثبت و معني‌دار متغير فضايي باوقفه، بيانگر آن است كه انتشار كربن در ميان مناطق مختلف، بسيار مرتبط است. به طور كلي نتايج حاصل از برآورد مدل، نشان مي‌دهد كه توجه هر چه بيشتر به همبستگي مكاني، ناهمگني و اثرات بيروني در سياست‌گذاري بسيار حائزاهميت است.
چكيده لاتين :
The gradual warming of the earth and its negative environmental and economic impacts contributed to pay attention to sustainable development considerably. Since climate change is a major cause of greenhouse gas emissions, including CO2, countries are seeking to prevent the rapid growth of emissions to reduce global climate change. Accordingly, and considering the importance of the subject, the present study examines the effects of variables such as per capita income, population, energy consumption structure, energy intensity, degree of trade openness, industry share of GDP on carbon dioxide emissions in MENA countries, during 1993-2015 based on the regression model of population stochastic effects, Stochastic Impacts by Regression on Population, Affluence and Technology (STRIPAT) and Spatial Durbin Panel Data Model (SDPDM). The results of this study indicate that the logarithm of GDP, population, energy structure and energy intensity have a positive and significant effect on carbon dioxide emissions, and the degree of trade openness has a negative and significant effect on carbon emissions. In addition, the positive and significant effect of the intermittent spatial variable indicates that carbon emissions are highly relevant among different regions. In general, the results of model estimation show that attention is more important to spatial correlation, heterogeneity and external effects in policymaking.
