نقش پیچیدگی اقتصادی در ردپای بوم شناختی: بررسی فرضیه منحنی زیست محیطی کوزنتس (EKC) برای ایران
Publish place: The Journal Of Planning and Budgeting، Vol: 26، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 592
This Paper With 28 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPBUD-26-2_006
تاریخ نمایه سازی: 20 آذر 1400
Abstract:
پژوهش حاضر با هدف آزمون اعتبار فرضیه منحنی زیست محیطی کوزنتس (EKC) برای ایران انجام شده است. برای تجزیه و تحلیل روابط کوتاه مدت و بلند مدت میان رشد اقتصادی، شاخص پیچیدگی اقتصادی، مصرف انرژی، و ردپای بوم شناختی از روش FourierARDL و آزمون علیت با تغییر زمان استفاده شده است. یافته های رویکرد FourierARDL وجود هم انباشتگی در میان متغیرها را تایید می کند. علاوه بر این، نتایج نشان می دهد مصرف انرژی و رشد اقتصادی باعث افزایش رد پای بوم شناختی در کوتاه مدت و بلند مدت می شود. با این حال، کشش کوتاه مدت رشد اقتصادی نسبت به کشش بلند مدت کوچکتر است، یعنی فرضیه EKC برای ایران معتبر نیست. این یافته توسط آزمون علیت با تغییر زمان تایید می شود. نتایج کلی نشان می دهد که پیچیدگی اقتصادی تاثیر کاهنده ای بر رد پای بوم شناختی دارد و رشد اقتصادی برای حل مشکلات زیست محیطی در ایران موثر نیست. بنابراین، دولت ایران باید فرایند تولید سازگار با محیطزیست و فناوری های پاک تر را در صادرات تشویق کند تا آلودگی محیط زیست کاهش یابد.
Keywords:
Economic Complexity , Fourier ARDL , Casualty Test with Time Change , Ecological Footprint , Environment. , پیچیدگی اقتصادی , بوت استرپ FARDL , علیت متغیر با زمان , ردپای بوم شناختی , محیط زیست
Authors
علی مریدیان
M.A. in Urban and Regional Economics, Isfahan University of Arts, Isfahan, Iran
ناصر یارمحمدیان
Assistant Professor, Department of Urban Economics, Isfahan University of Arts, Isfahan, Iran
معصومه مطلبی
Ph.D. of Public Sector Economics, Lorestan University, Khorramabad, Iran.
افسانه شادمهر
M.A. in Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :