آرشیو

آرشیو شماره ها:
۹۷

چکیده

ارتباط بین ریسک های اقتصادی، مالی و سیاسی با انتشار کربن (CO2) به عنوان یکی از چالش های 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 ریسک های اقتصادی، مالی و سیاسی در کاهش سرانه انتشار کربن با بهره گیری از رویکرد بسیار جدید مدل سازی رگرسیون کوانتایل بر کوانتایل (QQR) در بازه زمانی سالانه 1990 تا 2018 است. رابطه آماری بین متغیرهای ذکرشده در بستر نرم افزارهای Eviews12 و Matlab2022  برای کشور ایران مورد بررسی قرار گرفته است. نتایج به دست آمده، بیانگر آن است که متغیر ریسک اقتصادی در تمام کوانتایل ها (0.05 تا 0.95) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل ها (0.05 تا 0.95) داشته است و این ارتباط مثبت در کوانتایل های (0.3 تا 0.95) متغیر ریسک اقتصادی و کوانتایل های (0.05 تا 0.45) سرانه انتشار کربن نسبتاً قوی تر بوده است؛ متغیر ریسک مالی در تمام کوانتایل ها (0.05 تا 0.95) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل ها (0.05 تا 0.95) داشته است و این ارتباط مثبت در کوانتایل های (0.05 تا 0.95) متغیر ریسک مالی و کوانتایل های (0.4 تا 0.55) سرانه انتشار کربن قوی تر بوده است؛ همچنین متغیر ریسک سیاسی در تمام کوانتایل ها (0.05 تا 0.95) تأثیر مثبت بر سرانه انتشار کربن در تمام کوانتایل ها (0.05 تا 0.95) داشته است و این ارتباط مثبت در کوانتایل های (0.05 تا 0.35) متغیر ریسک سیاسی و کوانتایل های (0.45 تا 0.55) سرانه انتشار کربن قوی تر بوده است. بدین ترتیب، لزوم توجه به ثبات اقتصادی، مالی و سیاسی در کشور ایران برای بهبود کیفیت محیط زیست و کاهش انتشار کربن از اهمیت بسیار بالایی برخوردار است.

Investigating the Role of Economic, Financial, and Political Risks on Carbon Emissions in Iran: Quantile-on-Quantile Regression (QQR) Approach

The relationship between economic, financial, political risks and per capita carbon emission (CO2) is considered as one of the major global challenges. The effect of these three factors on carbon emissions is very important. Therefore, the current research seeks to investigate the role of economic, financial, and political risk in reducing per capita carbon emissions (CO2) by using the very new and fresh approach of quantile-on-quantile regression (QQR) modeling in the annual period from 1990 to 2018.

تبلیغات