الأثر الديناميكي للطاقة غير المتجددة والمتجددة على انبعاثات ثاني أكسيد الكربون والبصمة البيئية في إندونيسيا The dynamic impact of non-renewable and renewable energy on carbon dioxide emissions and ecological footprint in Indonesia
الاتجاه العالمي لتدهور البيئة، الذي يتميز بزيادة مستويات ثاني أكسيد الكربون (تسبب انبعاثات الغازات وتوسع البصمات البيئية في خطر كبير على الكوكب ويؤدي إلى الاحتباس الحراري. يُعزى هذا التدهور في البيئة بشكل أساسي إلى الاستخدام الواسع لمصادر الطاقة غير المتجددة والأنشطة الاقتصادية الكبيرة. تبحث هذه الدراسة في التأثير الديناميكي للطاقة غير المتجددة (الفحم، الغاز، والنفط)، والطاقة المتجددة، والنمو الاقتصادي، وتكوين رأس المال على الانبعاثات والبصمة البيئية في إندونيسيا من 1965 إلى 2022. باستخدام طريقة المربعات الصغرى المعدلة بالكامل (FMOLS) وطريقة المربعات الصغرى العادية (DOLS) واختبار القوة مع تقنيات الانحدار المتزامن الكنسي (CCR)، نسعى لتحديد العلاقات طويلة الأمد بين المتغيرات المدروسة. تكشف النتائج الأولية، المدعومة بنماذجنا الأساسية، أن كل زيادة في الفحم والغاز تؤدي مباشرة إلى ارتفاع الانبعاثات ولكنها لا تؤثر على البصمات البيئية. على العكس، كل زيادة في النفط تؤثر على ارتفاع البصمات البيئية ولكن لا تؤثر على الانبعاثات. في الوقت نفسه، سيؤدي ارتفاع الطاقة المتجددة إلى تقليل كل من الانبعاثات والبصمات البيئية، مما يعزز جودة البيئة في إندونيسيا. علاوة على ذلك، فإن زيادة النمو الاقتصادي ستزيد من كلا الانبعاثات والبصمة البيئية، بينما يؤدي ارتفاع تكوين رأس المال إلى تقليل البصمة البيئية. أظهر اختبار سببية غرانجر وجود سببية أحادية الاتجاه من الانبعاثات إلى الطاقة المتجددة وكشفت أيضًا عن علاقة سببية ثنائية الاتجاه بين البصمة البيئية والطاقة المتجددة. توضح هذه الدراسة أنماط انبعاثات الطاقة في إندونيسيا وتقدم للمسؤولين توصيات للحفاظ على الاستدامة البيئية، بما في ذلك الاستثمار في استخدام الطاقة المتجددة والانتقال بعيدًا عن الطاقة غير المتجددة، نظرًا للتحديات المناخية الملحة والهدف المتمثل في تحقيق الحياد الكربوني.
أهم النقاط
الطاقة المتجددة هي قطاع رئيسي لتعزيز جودة البيئة في إندونيسيا.
تستكشف هذه الدراسة العوامل المحتملة لتقليلالانبعاثات والبصمة البيئية في إندونيسيا.
تم تطبيق طريقتي FMOLS و DOLS على بيانات السلاسل الزمنية، مدعومةً باختبار قوة باستخدام CCR.
تقدم النتائج رؤية أوضح حول كيفية مساهمة الطاقة المتجددة في تقليل كل منالانبعاثات والبصمة البيئية، في حين أن الطاقة غير المتجددة تفاقم هذه القضايا في إندونيسيا.
تقدم هذه الدراسة توصيات سياسية للمساعدة في تحقيق الاستدامة البيئية والحياد الكربوني.
الكلمات الرئيسية انبعاثات ثاني أكسيد الكربون، البصمة البيئية، تحديات المناخ، الاستدامة البيئية، غير المتجددة، الطاقة المتجددة
1 المقدمة
لقد شهد بداية القرن الحادي والعشرين تحديًا عالميًا غير مسبوق في شكل تغير المناخ والاحترار العالمي، مدفوعًا بشكل أساسي بارتفاع مستويات ثاني أكسيد الكربون. ) الانبعاثات وتوسع البصمات البيئية (أنصاري 2022؛ رحمن 2022؛ أكار أوغلو وآخرون 2023؛ هاردي وآخرون 2023؛ لي وآخرون 2023). في ظل تصاعد التحديات البيئية العالمية، لا يمكن المبالغة في أهمية فهم التفاعل الديناميكي بين استهلاك الطاقة والأثر البيئي. يتميز بدء هذه التحديات بالزيادة المقلقة في الانبعاثات وتوسع البصمات البيئية، وهو ظاهرة مرتبطة ارتباطًا وثيقًا بالاحترار العالمي وتشكل مخاطر كبيرة على صحة الكوكب (أديبايو وكيريكاللي 2021؛ رحمن وآخرون 2021ب، 2023؛ أنصاري 2022). في صميم هذه المعضلة تكمن الاعتماد الواسع على مصادر الطاقة غير المتجددة، التي أدت إلى زيادة كبيرة تدهور البيئة على الرغم من مساهمتها في التنمية الاقتصادية (كارتال وآخرون 2023). تقع هذه الدراسة في سياق هذه المخاوف العالمية، مع تركيز خاص على إندونيسيا، وهي منطقة تجسد الصراع بين الطموحات التنموية واستدامة البيئة. تقع جنوب شرق آسيا، وخاصة إندونيسيا، عند مفترق طرق حاسم حيث يتزامن النمو الاقتصادي السريع مع زيادة الطلب على الطاقة، الذي يتم تلبيته بشكل أساسي من خلال مصادر غير متجددة مثل الفحم والنفط والغاز (منير وآخرون 2020؛ إيدروس وآخرون 2023ب؛ هاردي وآخرون 2024؛ كوستاكيس 2024). لا تساهم هذه النمط من استهلاك الطاقة فقط في ارتفاع الانبعاثات ولكنها أيضًا تفاقم البصمة البيئية، مما يبرز صراعًا حاسمًا في قلب التنمية الحديثة: التوازن بين التقدم الاقتصادي والحفاظ على البيئة (ناثانيال 2021؛ رحمن وآخرون 2021أ؛ سلمان وآخرون 2022؛ إيدروس وآخرون 2023أ). الملف البيئي لإندونيسيا هو بشكل خاص تخبر. كأمة تعاني من عجز بيولوجي، حيث يطغى البصمة البيئية على القدرة البيولوجية، تحتل إندونيسيا مرتبة بين أعلى الدول عالميًا بوجود بصمة بيئية كبيرة. تؤكد هذه الحالة على ضرورة التعمق أكثر في أنماط استهلاك الطاقة في البلاد وآثارها البيئية. ومع ذلك، هناك فجوة ملحوظة في الأدبيات الحالية تتمثل في نقص الدراسات الشاملة التي تتناول في الوقت نفسه الجانبين المزدوجين للأثر البيئي لـالانبعاثات والبصمة البيئية في سياق إندونيسيا. بينما هناك أبحاث كبيرة تركز على أي من هذين الجانبين، فإن الرؤية الشاملة التي تشمل كليهما لا تزال نادرة. توسيعًا لخلفية الدراسة، تتناول العلاقة المعقدة بين استهلاك الطاقة والأثر البيئي، مع تركيز خاص على سياق جنوب شرق آسيا، ولا سيما إندونيسيا. تشهد هذه المنطقة، وسط النمو الاقتصادي والسكاني السريع، زيادة في الطلب على الطاقة، يتم تلبية معظمها من خلال الوقود الأحفوري. هذه الاعتماد ليس بدون عواقب، حيث يساهم بشكل كبير في زيادة البصمة البيئية. الانبعاثات رابط أصبح من المستحيل إنكاره بشكل متزايد. إندونيسيا، كلاعب رئيسي في مشهد الطاقة في جنوب شرق آسيا، تقف في طليعة هذا التحدي البيئي. تمثل من استهلاك الطاقة في المنطقة، فإن مزيج الطاقة في البلاد يميل بشدة نحو الفحم، الذي يشكلمن إجمالي استهلاك الطاقة، تليها النفط والغاز. وهذا يتناقض بشكل حاد مع المساهمة الضئيلة لمصادر الطاقة المتجددة مثل الرياح والطاقة الشمسية، التي تشكل حاليًا أقل من 1% من ملف الطاقة في إندونيسيا (IEA 2022). كما يبرز خطة الأعمال الوطنية لتوريد الكهرباء في إندونيسيا الاعتماد المستمر على الفحم، متوقعةً نموًا سنويًا في الطلب على الطاقة قدرهللفترة من 2021 إلى 2030، مع استمرار الفحم في الهيمنة على قطاع الطاقة (ESDM 2021). هذه الاعتماد الكبير على الفحم وموارد غير المتجددة الأخرى ليس بدون عواقبه. كما هو موضح في اتجاهات البيانات التاريخية، كان هناك ارتفاع كبير ومتسق في ” إندونيسيا.انبعاثات الفرد منذ منتصف القرن العشرين. إن هذا التصعيد في الانبعاثات يعكس أنماطًا عالمية أوسع، حيث تساهم زيادة استهلاك الطاقة، المدفوعة بتوسع الإنتاج ونمو السكان العالمي، في تصعيد البصمات البيئية وتفاقم قضايا الاحتباس الحراري (أديبايو وكيريكاللي 2021؛ هي وآخرون 2021؛ رحمن وماجومدر 2022؛ رايهان 2024). علاوة على ذلك، تتفاقم التحديات البيئية في إندونيسيا بسبب بصمتها البيئية. يكشف مفهوم البصمة البيئية، الذي يقيس الطلب على نظم الأرض البيئية، أن إندونيسيا تواجه وضعًا من العجز البيولوجي. بصمتها البيئية يتجاوز قدرته البيولوجية، مما يضعه بين أعلى عشرة دول على مستوى العالم من حيث البصمة البيئية (كرنياوان وآخرون 2023؛ باتا وآخرون 2021؛ بيرمانا وآخرون 2021؛ واكرناجل وبييرز 2019). هذه الحالة المقلقة تبرز الحاجة الملحة لإعادة تقييم وإصلاح أنماط استهلاك الطاقة والسياسات البيئية في البلاد. استجابةً لهذه التحديات، بدأت إندونيسيا اتخاذ تدابير للتخفيف من تأثيرها البيئي. يُبلغ معهد إصلاح الخدمات الأساسية عن هدف البلاد للوصول إلى ذروة متسارعة في الانبعاثات في قطاع الطاقة بحلول عام 2030، مع هدف طموح لتحقيق انبعاثات صفرية صافية بحلول عام 2050. تشمل الاستراتيجيات الرئيسية زيادة توليد الطاقة المتجددة إلى ما لا يقل عنبحلول عام 2030 وتنفيذ خطط التقاعد المبكر لمحطات الطاقة التي تعمل بالفحم (IESR 2022). استنادًا إلى الشكل 1، يتضح اتجاه كبير في تأثير إندونيسيا على البيئة. مسار الأمةانبعاثات الفرد من 1889 إلى 2022 تظهر تصاعدًا ملحوظًا. كانت في البداية تتميز بمستويات انبعاثات منخفضة نسبيًا، ثم ظهرت زيادة واضحة وثابتة بدأت حوالي منتصف القرن العشرين. وقد culminated هذا الاتجاه الصاعد في ارتفاع كبير من الانبعاثات لكل فرد بحلول عام 2022. يبرز هذا النمط تحولًا محوريًا في إندونيسيا الانبعاثات على مدى أكثر من قرن، مما يبرز المخاوف البيئية المتزايدة المرتبطة بمسارها التنموي.
توفر الأدبيات الحديثة فهماً شاملاً للاتجاهات العالمية والإقليمية في استهلاك الطاقة وتأثيراتها البيئية. تساهم هذه الدراسات مجتمعة في فهم دقيق للعلاقة الديناميكية بين أشكال استهلاك الطاقة المختلفة وعواقبها البيئية. تم التحقيق في العلاقة بين استخدام الطاقة المتجددة وغير المتجددة، والنمو الاقتصادي، والبصمات الكربونية في اقتصادات آسيا الناشئة من قبل كل من سقيب (2022) وعلي وآخرون (2023). تشير نتائجهم إلى أنه على الرغم من أن التوسع الاقتصادي واستهلاك الطاقة غير المتجددة يزيدان من تدهور البيئة، فإن زيادة استخدام مصادر الطاقة المتجددة يمكن أن تخفف ببطء من هذه التأثيرات مع مرور الوقت. تبرز كلتا الدراستين الحاجة الملحة لهذه الاقتصادات للتحول إلى الطاقة المتجددة وتحسين الكفاءة من أجل تقليل بصماتها الكربونية. في دراسة تركز على دول مجموعة السبع، استخدم فوميك وآخرون (2023) تقييمات بانل ثابتة وديناميكية ووجدوا أن الطاقة المتجددة تقلل من الانبعاثات، بينما الطاقة غير المتجددة تعززها. توصي دراستهم بالتحول نحو مصادر الطاقة المتجددة والطاقة الكهرومائية لتقليل الانبعاثات. ساهم أرشاد وآخرون (2020) في هذا النقاش من خلال تحقيق تجريبي حول تأثيرات الطاقة المتجددة وغير المتجددة على جودة البيئة في جنوب وجنوب شرق آسيا.
شكل.اتجاه انبعاثات الفرد السنوية بالطن في إندونيسيا. المصدر: عالمنا في البيانات
الدول. من خلال استخدام نهج نمذجة ARDL المعزز عبر القطاعات، يبرز الدراسة أن الطاقة المتجددة تعزز جودة البيئة بينما تؤدي الطاقة غير المتجددة إلى تدهورها في هذه المناطق. علاوة على ذلك، أضافت دراسة أجراها خان وآخرون (2023) في 41 دولة من دول جنوب الصحراء الأفريقية، حيث ركزت على التفاعل بين مصادر الطاقة المتجددة وغير المتجددة إلى جانب العوامل الاقتصادية في تشكيل جودة البيئة عبر المنطقة. تؤكد نتائجهم على الدور الحاسم للطاقة المتجددة في تحسين الظروف البيئية، مقارنةً بالتأثير الضار لاستهلاك الوقود الأحفوري على البيئة. أخيرًا، بحثت هذه الدراسة في دور جودة المؤسسات والطاقة المتجددة وغير المتجددة على البصمة البيئية لدول منظمة التعاون والتنمية الاقتصادية. وتقترح أن المؤسسات والطاقة المتجددة يمكن أن تعزز الاستدامة البيئية، مما يبرز أهمية الحوكمة والسياسات في إدارة البيئة (كريستوفوريديس وكاتراكيليديس 2021؛ تشانغ وآخرون 2024). كما هو موضح في الشكل 2، تظهر القدرة البيولوجية في إندونيسيا اتجاهًا متناقصًا بمرور الوقت، مصحوبًا بزيادة متناسبة في بصمتها البيئية. تكمن أهمية هذا البحث في نهجه الشامل لتحليل التفاعل بين مصادر الطاقة المختلفة، والنمو الاقتصادي، والأثر البيئي في إندونيسيا. من خلال دراسة كل من مصادر الطاقة غير المتجددة والمتجددة، إلى جانب عوامل مثل النمو الاقتصادي وتكوين رأس المال، كان الهدف من الدراسة هو تقديم فهم أعمق لتأثيراتها علىالانبعاثات والبصمة البيئية على مدى فترة طويلة من 1965 إلى 2022. هذه الدراسة حيوية في تقديم توصيات مستندة إلى البيانات لصانعي السياسات، وقادة الصناعة، وأصحاب المصلحة، مما يوجه إندونيسيا – وربما دول أخرى تواجه ظروفًا مشابهة. التحديات نحو مستقبل يتم فيه تنسيق التنمية الاقتصادية مع الحفاظ على البيئة. كانت نتائج هذه الدراسة مهيأة للمساهمة بشكل كبير في الجهود العالمية لمكافحة تغير المناخ وتعزيز التنمية المستدامة، مما يجعلها نموذجًا محتملاً للسياسة البيئية وإدارة الطاقة.
2 مراجعة الأدبيات
الأدبيات الحالية حول محدداتتقدم انبعاثات البصمة البيئية رؤية متعددة الأبعاد، تشمل جوانب مثل استخدام الطاقة، والنمو الاقتصادي، وتخصيص رأس المال. ومع ذلك، يكشف تحليل نقدي لهذه الدراسات عن رؤى وفجوات متباينة، لا سيما في سياق إندونيسيا.
جزء كبير من البحث قد ركز على تأثير مصادر الطاقة المختلفة على الانبعاثات وجودة البيئة. أظهرت دراسات بهات (2018) وإيتو (2017) وبن جبلي وآخرون (2016) توافقًا على أن مصادر الطاقة غير المتجددة، مثل الفحم والنفط والغاز، هي المساهمين الرئيسيين في زيادة الانبعاثات. وقد تم دعم هذا الرأي بشكل أكبر من قبل النمر وآخرون (2023) وتشين وآخرون (2019)، الذين أبرزوا التأثير الضار لهذه الأنواع من الطاقة على جودة البيئة. على النقيض من ذلك، تُظهر مصادر الطاقة المتجددة باستمرار قدرتها على التخفيف من هذه الانبعاثات، وهو ما تم التأكيد عليه في أعمال إدروس وآخرون (2023ب). تؤكد هذه الدراسات مجتمعة على الدور الحاسم لنوع الطاقة في التأثير على الانبعاثات، مما يشير إلى وجود تباين واضح بين التأثيرات البيئية لمصادر الطاقة المتجددة وغير المتجددة. كانت العلاقة بين النمو الاقتصادي والبصمة البيئية مجالًا آخر من مجالات التركيز. وجد سلمان وآخرون (2022)، وديستك وسينها (2020) وناثانيال وخان (2020) أن النمو الاقتصادي غالبًا ما يؤدي إلى زيادة البصمة البيئية، بشكل أساسي من خلال الاستخدام المتزايد لـ
الشكل 2 اتجاه البصمة البيئية والقدرة البيولوجية في إندونيسيا. المصدر: شبكة البصمة العالمية
الطاقة غير المتجددة. أضاف إهيغياموسوي وآخرون (2023) إلى هذا النقاش من خلال توضيح التأثير المخفف لاستخدام الطاقة المتجددة على البصمة البيئية. تقدم هذه الدراسات تفاعلاً معقداً بين الأنشطة الاقتصادية والأثر البيئي، مما يبرز الحاجة إلى نماذج اقتصادية مستدامة تتماشى مع الحفاظ على البيئة. بالنسبة لإندونيسيا، يصبح مشهد البحث أكثر تعقيدًا. أكد ماساجوني وبوديونو (2023) أن استهلاك الطاقة الأحفورية هو دافع رئيسي لـ الانبعاثات في إندونيسيا، وهي وجهة نظر تجد دعمًا في النتائج التجريبية لـ رايهان وآخرون (2023). تشير هذه الدراسات إلى وجود علاقة مباشرة بين التنمية الاقتصادية في إندونيسيا و الانبعاثات، حيث تلعب الطاقة المتجددة دورًا حاسمًا في تعويض هذه الانبعاثات. علاوة على ذلك، استخدم يحيى وآخرون (2023)، وإدروس وآخرون (2023ب)، وبوجياتي وآخرون (2023) نموذج الانحدار الذاتي الموزع المتأخر (ARDL) لإظهار أن إندونيسيا الانبعاثات مرتبطة ارتباطًا وثيقًا بأنماط استهلاك الطاقة والنمو الاقتصادي. أضاف إيدروس وآخرون (2023ج) بُعدًا مختلفًا من خلال استكشاف تأثير الطاقة الحيوية والطاقة الحرارية الجوفية على الانبعاثات، مما يشير إلى أن ليس جميع المصادر المتجددة لها نفس الآثار البيئية.
أظهرت الأبحاث الحديثة الروابط المعقدة بين مصادر الطاقة المتجددة وغير المتجددة، والبصمة البيئية، وعوامل اجتماعية واقتصادية متنوعة ضمن النقاش حول تأثير استهلاك الطاقة على البيئة. تلعب هذه الرؤى دورًا حيويًا في تحسين فهمنا للإدارة البيئية المستدامة عبر سياقات عالمية متنوعة. درس أديكوا وآخرون (2022) هذه العلاقة في الدول المصدرة والمستوردة للنفط. تناولت دراستهم كيف أن
الاعتماد على النفط، سواء كصادرات رئيسية أو واردات، أثر على الآثار البيئية لاستهلاك الطاقة. هذه الأبحاث مهمة في تسليط الضوء على التأثيرات البيئية المختلفة في الدول بناءً على حالة تجارتها النفطية، مما يوفر تداعيات سياسية حيوية لتحقيق توازن في مزيج الطاقة لإدارة بصماتها البيئية بشكل مستدام. لتوسيع نطاق هذا النقاش، قدم دوغان وآخرون (2022) دراسة تركز على اقتصادات جنوب آسيا، حيث فحصوا العلاقة بين البصمة البيئية، والبطالة، ونوعي استهلاك الطاقة. إن تضمينهم للبطالة كمتغير في تحليل التأثيرات البيئية يوفر منظورًا اجتماعيًا واقتصاديًا أوسع. تكشف هذه المقاربة عن التفاعل المعقد بين ديناميات سوق العمل وأنماط استهلاك الطاقة، مما يقدم رؤى حول التحديات المتعددة الأوجه التي تواجهها الاقتصادات النامية في المنطقة في سعيها نحو التنمية المستدامة. مكملة لهذه الدراسات، أجرت أمين وسونغ (2022) تحليلًا مقارنًا في دول جنوب شرق آسيا، حيث حللوا تأثير الطاقة المتجددة وغير المتجددة في تحقيق الحياد الكربوني. تبرز أعمالهم لتضمينها الشامل لعوامل مثل التجارة، والنمو الاقتصادي، والتحضر. تقدم هذه المقاربة المقارنة منظورًا إقليميًا حول استراتيجيات تحقيق الحياد الكربوني، مع التأكيد على كيفية معالجة مناطق آسيوية مختلفة للتحديات التي تطرحها استهلاك الطاقة، والتنمية الاقتصادية والحضرية في سعيها نحو الاستدامة البيئية.
توسيعًا لموضوع البصمة البيئية، ركزت مجموعة من الدراسات على هذا الجانب، لا سيما في السياق الإندونيسي، مما يقدم رؤى تكمل الفهم الأوسع للتأثيرات البيئية
في هذه الدراسات، تأخذ العلاقة بين الأنشطة الاقتصادية، واستهلاك الطاقة، وآثارها على البصمة البيئية مركز الصدارة. غاص ناثانيال (2021) في هذا التفاعل، كاشفًا كيف أن تدهور البيئة في إندونيسيا لم يكن فقط نتيجة للنمو الاقتصادي ولكن أيضًا لزيادة استهلاك الطاقة. تعتبر هذه الدراسة محورية في إثبات علاقة سببية أحادية الاتجاه حيث يؤدي النمو الاقتصادي مباشرة إلى تصعيد في البصمة البيئية. هذه النتيجة حاسمة لأنها تؤكد على التكلفة البيئية للتوسع الاقتصادي في دولة نامية مثل إندونيسيا. لتعميق هذا النقاش، استخدم تشين وآخرون (2023) نموذج ARDL الكمي لتفكيك تفاصيل هذه العلاقة. كشفت أبحاثهم أن تأثير النمو الاقتصادي على البصمة البيئية ليس موحدًا ولكنه يختلف عبر مستويات مختلفة من النشاط الاقتصادي. تقدم هذه العلاقة الإيجابية بين النمو الاقتصادي والبصمات البيئية عبر كوانتيلات مختلفة فهمًا أكثر تعقيدًا وتعددًا للمسألة، مما يشير إلى أن التأثير البيئي للنمو الاقتصادي قد يكون أكثر أهمية في مراحل معينة من التنمية الاقتصادية مقارنةً بأخرى. قدم كيرنياوان وآخرون (2023) منظورًا مختلفًا باستخدام تحليل نموذج تصحيح الخطأ المتجه (VECM). كشفت دراستهم عن تعديل سريع على المدى القصير في الأضرار البيئية في إندونيسيا، تم قياسه بـ, استجابةً للاختلالات في القيمة المضافة الصناعية واستهلاك الطاقة. أكدت هذه الاستجابة السريعة على حساسية بيئة إندونيسيا للتغيرات الاقتصادية واستهلاك الطاقة. على المدى الطويل، حددوا استهلاك الطاقة غير المتجددة كعامل رئيسي في البصمة البيئية، تم قياسه بـ في عام 2060، بينما أظهرت مصادر الطاقة المتجددة أنها تخفف من هذا التأثير. يقدم هذا التمييز بين التأثيرات قصيرة المدى وطويلة المدى فهمًا أعمق لكيفية تأثير مصادر الطاقة المختلفة على البصمة البيئية لإندونيسيا مع مرور الوقت. على الرغم من هذه المساهمات البصيرة، لا يزال هناك فجوة في الأدبيات بشأن الفحص المتزامن لـ الانبعاثات والبصمة البيئية ضمن دراسة واحدة، لا سيما في السياق الإندونيسي. تقدم هذه الفجوة البحثية فرصة فريدة، تم استكشافها في سياقات جغرافية مختلفة من قبل باحثين مثل بيلو وآخرون (2018) في ماليزيا، باتا (2021) في دول البريكس، أسييدو راموس وآخرون (2023) في كولومبيا، أكار أوغلو وآخرون (2023) في تركيا، أنصاري (2022) في دول الآسيان، ولي وآخرون (2023) في 130 دولة. لقد نجحت هذه الدراسات في دمج تحليل كل من الانبعاثات والبصمة البيئية، مما يوفر رؤية أكثر شمولية للتأثير البيئي.
على الرغم من هذه الدراسات الشاملة، توجد فجوة ملحوظة في الفحص المتزامن لتأثيرات استهلاك الطاقة على كل من الانبعاثات و
البصمة البيئية، خاصة في إندونيسيا. تتطلب هذه الفجوة دراسة شاملة تدمج هذه الجوانب لتوفير فهم أكثر شمولية لتحديات البيئة في إندونيسيا. وبالتالي، فإن الفرضية هي أنه في إندونيسيا، نوع الطاقة المستهلكة – المتجددة أو غير المتجددة – له تأثير كبير ومختلف على كل من الانبعاثات والبصمة البيئية. تهدف هذه الدراسة إلى اختبار هذه الفرضية من خلال فحص العلاقات بين استهلاك الطاقة، والنمو الاقتصادي، وتأثيرها الجماعي على البيئة، مما يساهم في الأدبيات الحالية ويقدم رؤى لتطوير سياسات مستدامة.
3 المنهجية
3.1 ملخص البيانات والمتغيرات
استخدمت هذه الدراسة بيانات سنوية من إندونيسيا تمتد من 1965 إلى 2022. تم الحصول على بيانات الانبعاثات، والطاقة غير المتجددة، والمتجددة من Our World in Data (OWID 2023). تم الحصول على بيانات النمو الاقتصادي وتكوين رأس المال من مؤشرات التنمية العالمية للبنك الدولي (WDI 2023). بالإضافة إلى ذلك، تم الحصول على بيانات البصمة البيئية من شبكة البصمة العالمية (GFN 2023). يوفر الجدول 1 نظرة شاملة على المتغيرات. لمعالجة التباين المحتمل، خضعت جميع البيانات لتحويل إلى لوغاريتمات طبيعية.
3.2 الإطار النظري والنموذج التجريبي
الإطار النظري المستخدم على نطاق واسع في أدبيات اقتصاديات الطاقة يستخدم الانبعاثات والبصمة البيئية كبديل لتدهور البيئة، مما يثبت الروابط بين مصادر الطاقة المختلفة ونتائج الاستدامة. بشكل خاص، غالبًا ما يتم إجراء مقارنات بين مصادر الطاقة المتجددة (مثل الطاقة الشمسية، وطاقة الرياح، والطاقة الكهرومائية) ومصادر الوقود الأحفوري غير المتجددة (مثل الفحم، والنفط، والغاز الطبيعي) من حيث تأثير البيئة وتأثيرات اقتصادية أوسع مثل نمو الناتج المحلي الإجمالي، والاستثمار الرأسمالي، وأمن الطاقة، من بين متغيرات اقتصادية كلية أخرى. يسمح ذلك بالتحليلات لتحديد المقايضات البيئية والاقتصادية لقرارات سياسة الطاقة المختلفة، بدءًا من توليد الكهرباء باستخدام مصادر الطاقة غير المتجددة إلى تأثير النمو الاقتصادي على البيئة. من خلال استخدام الانبعاثات والبصمة البيئية كعدسات شائعة، طورت مجال اقتصاديات الطاقة نماذج معيارية لمقارنة الآثار البيئية إلى جانب التكاليف والفوائد الاقتصادية لسيناريوهات تخطيط الطاقة المتنوعة، بهدف تحقيق التنمية المستدامة والحياد الكربوني.
جدول 1 أوصاف المتغيرات
المتغيرات
الوصف واللوغاريتم الطبيعي
الوحدات
الأهداف
المصادر
الانبعاثات (InCO2)
مليون طن
لتقييم التأثير البيئي من حيث حجم غازات الدفيئة المنبعثة في الغلاف الجوي نتيجة أنشطة مثل احتراق الوقود الأحفوري
OWID
EF
البصمة البيئية (InEF)
إجمالي البصمة البيئية
لتحديد الطلب على نظم الأرض البيئية وتقييم استدامة الاستهلاك من خلال قياس الموارد الطبيعية المستهلكة والنفايات المنتجة، بالإضافة إلى آثارها البيئية
GFN
فحم
فحم (InCOAL)
نسبة الطاقة الأولية (%)
OWID
نفط
نفط (InOIL)
لتحديد مساهمات الفحم والنفط والغاز في قطاع الطاقة وعواقبها البيئية كمصادر هامةانبعاثات
إعادة
الطاقة المتجددة (InRE)
نسبة الطاقة الأولية (%)
لفحص كيف يساهم اعتماد مصادر الطاقة المتجددة في تقليل الأثر البيئي، مقدماً بديلاً أكثر استدامة للوقود الأحفوري
OWID
الناتج المحلي الإجمالي
النمو الاقتصادي (في الناتج المحلي الإجمالي)
LCU ثابت
لقياس القيمة السوقية الإجمالية لجميع السلع والخدمات المنتجة داخل حدود الدولة على مدى فترة زمنية محددة
WDI
الاستثمار الثابت
تكوين رأس المال الثابت الإجمالي (InGFCF)
وحدة قياس مستمرة
لقياس القيمة الإجمالية للاستثمارات في الأصول الثابتة، مثل الآلات والبنية التحتية، داخل حدود الدولة على مدى فترة زمنية محددة
WDI
الوصف والشكل اللوغاريتمي، OWID عالمنا في البيانات، GFN شبكة البصمة العالمية، WDI مؤشرات التنمية العالمية، LCU وحدات العملة المحلية
استخدمت هذه الدراسة إطار دالة الإنتاج كوب-دوغلاس للتحقيق في الفرضية التي اقترحها كوب ودوغلاس (1928). مع التركيز على سياق إندونيسيا، تم تطبيق الاقتصاد الإنتاجي التقليدي لفحص تأثير الطاقة غير المتجددة، والطاقة المتجددة، والنمو الاقتصادي، وتكوين رأس المال علىالانبعاثات والبصمة البيئية. من خلال افتراض معدل عائد ثابت واستخدام دالة الإنتاج القياسية كوب-دوغلاس، يمكن اشتقاق دالة الناتج التراكمي كما يلي (المعادلة 1):
أين و تمثل النمو الاقتصادي، ورأس المال، والعمالة في الوقت t.
استخدمت هذه الدراسة نموذجًا تجريبيًا تم فحصه سابقًا من قبل بيلو وآخرون (2018)، باتا (2021)، أسيفيدو-راموس وآخرون (2023)، أكار أوغلو وآخرون (2023)، ولي وآخرون (2023) لاستكشاف تأثير المتغيرات الاقتصادية على البيئة. وقد دمجت دراستهم بشكل فريد تحليل كل من الانبعاثات والأثر البيئي، مما يسمح بإجراء فحص شامل للأثر البيئي ضمن دراسة واحدة. علاوة على ذلك، قمنا بتعديل نموذجنا الخاص لدراسة الأثر الديناميكي للطاقة غير المتجددة، والطاقة المتجددة، والنمو الاقتصادي، وتكوين رأس المال على الانبعاثات والبصمة البيئية. لتحقيق هذا الهدف، يتم تقديم الوظيفة الأولية كمعادلات (2)-(3).
أين هو الانبعاثات في الوقتهو البصمة البيئية في الوقتهو الطاقة غير المتجددة في الوقتهل الطاقة المتجددة في الوقت الحاليهل النمو الاقتصادي في الوقت، و تكوين رأس المال في الوقت.
علاوة على ذلك، قمنا بتقسيم متغير الطاقة غير المتجددة إلى ثلاثة متغيرات متميزة: الفحم، النفط، والغاز. وكان كل واحد من هذه المتغيرات خاضعًا لتحليل انحدار خاص به لتقييم تأثيره المباشر على الانبعاثات والبصمة البيئية. بالإضافة إلى ذلك، قدمنا رمز “[]” للاختصار في المعادلة، مما يدل على وجود ثلاثة انحدارات تتعلق بالمتغيرات الفحم والنفط والغاز، والتي تمثلها النموذج 1، النموذج 2، والنموذج 3 على التوالي. النموذج الاقتصادي موضح في المعادلتين (4) و(5).
بالإضافة إلى ذلك، يمكن توسيع المعادلتين (4)-(5) إلى النموذج الاقتصادي الذي تمثله المعادلتان (6)-(7).
حيث، مصطلحيمثل التقاطع، و تشير إلى مصطلح الخطأ، بينما هي المعاملات المعنية. بالإضافة إلى ذلك، تم تحويل المعادلات (6) و(7) إلى الشكل اللوغاريتمي، كما هو موضح في المعادلات (8) و(9)، لتحليل السلاسل الزمنية. تشير التكامل المشترك إلى أنه، على الرغم من التباينات القصيرة الأجل، هناك علاقة طويلة الأجل متسقة بين المتغيرات، وهو جانب حيوي لتحليلنا اللاحق ونمذجة التنبؤ في بيانات السلاسل الزمنية.
3.4 اختبارات ديناميكية باستخدام FMOLS و DOLS
في هذه الدراسة، نستخدم طريقة المربعات الصغرى العادية المعدلة بالكامل (FMOLS) وطريقة المربعات الصغرى العادية الديناميكية
أين، ، و تمثل الأشكال اللوغاريتمية لـالانبعاثات، البصمة البيئية، الطاقة غير المتجددة (الفحم، النفط، والغاز)، الطاقة المتجددة، النمو الاقتصادي وتكوين رأس المال في الوقت، على التوالي. قبل إجراء تحليل الانحدار، يجب إجراء اختبارات مختلفة، بما في ذلك اختبارات الجذر الأحادي لتقييم استقرارية البيانات واختبارات التكامل المشترك لفحص العلاقات طويلة الأجل.
3.3 اختبارات الجذر الأحادي والتكامل المشترك
تركز هذه القسم على تطبيق اختبارات ديكي-فولر المعززة (ADF) وفيلبس-بيرون (PP) لتقييم استقرارية بيانات السلاسل الزمنية لدينا (ديكي وفولر 1979؛ فيلبس وبيرون 1988). يضيف اختبار ADF، الذي يضيف الفروقات المتأخرة إلى نموذج autoregressive للتحقق من وجود جذر وحدة، واختبار PP، المعروف بمتانته تجاه التباين غير المتجانس، كلاهما يهدفان إلى تحديد ما إذا كانت السلسلة الزمنية مستقرة (فرضية بديلة) أو تحتوي على جذر وحدة وغير مستقرة (فرضية صفرية). قمنا بمقارنة إحصائيات الاختبار الناتجة بالقيم الحرجة لاستنتاج الاستقرارية؛ حيث إن رفض الفرضية الصفرية يشير إلى الاستقرارية، مما يوجه خياراتنا المنهجية اللاحقة في التحليل. في هذا القسم، بعد التأكد من أن البيانات كانت مستقرة في الفرق الأول، واصلنا استكشاف التكامل المشترك ضمن بيانات السلاسل الزمنية لدينا باستخدام اختبار التكامل المشترك لجوهانسون (1988) واختبار التكامل المشترك لإنجل وغرانجر (1987). هذه الاختبارات حيوية في تحديد العلاقات التوازنية طويلة الأجل بين السلاسل الزمنية غير المستقرة. اختبار جوهانسون بارع في التعامل مع سلاسل زمنية متعددة ويستخدم لتحديد عدد العلاقات المتكاملة. اختبار إنجل-غرانجر، المناسب لأزواج السلاسل، يتضمن تقدير العلاقة طويلة الأجل بين السلاسل ثم فحص استقرارية المتبقيات. وجود
تستخدم منهجيات المربعات المزدوجة (DOLS) لتقدير العلاقات طويلة الأجل في بيانات السلاسل الزمنية المتكاملة. تم تصميم FMOLS لمعالجة التحديات المتعلقة بالارتباط التسلسلي والاعتمادية الذاتية التي غالبًا ما تصاحب الأنظمة المتكاملة، مما يحسن تقدير المربعات الصغرى للحصول على تقديرات أكثر موثوقية للمعاملات طويلة الأجل (فيليبس وهانسون 1990). في الوقت نفسه، يخفف DOLS، من خلال نهجه في الانحدار المعزز الذي يتضمن التأخيرات والتقدمات للاختلافات الأولى للمتغيرات المستقلة، من ردود الفعل في المعادلة المتكاملة ويعالج القضايا المحتملة للاعتمادية الذاتية والتحيز في العينة. هذه الطريقة قوية بشكل خاص في سيناريوهات العينات الصغيرة، حيث توفر مقدرات متسقة وفعالة (ستوك وواتسون 1993). من خلال دمج FMOLS وDOLS في تحليلنا، هدفنا إلى استخراج رؤى دقيقة وشاملة حول الديناميات طويلة الأجل بين المتغيرات في دراستنا، مما يعزز الموثوقية العامة وعمق تحليل السلاسل الزمنية لدينا.
3.5 اختبار القوة مع CCR
عززت هذه الدراسة النتائج من خلال إجراء اختبار القوة باستخدام طريقة الانحدار المتزامن الكنسي (CCR). تعتبر CCR فعالة بشكل خاص في معالجة قضايا التزامن والداخلية في العلاقات المتكاملة، وهي تحديات شائعة في تحليل السلاسل الزمنية (بارك 1992). تعزز هذه الطريقة قوة تقديراتنا من خلال استخدام إطار OLS المعدل بالكامل الذي يصحح لكل من التداخل الذاتي والتحيزات الداخلية. من خلال دمج CCR، ضمنا أن تحليلنا أخذ في الاعتبار أي تشوهات محتملة في العلاقات طويلة الأجل المحددة. كانت تطبيقات CCR ضرورية بشكل خاص في التحقق من اتساق وموثوقية نتائجنا، مما يوفر طبقة إضافية من الثقة في النتائج. توظيف هذا الاختبار للمتانة أكد التزامنا بتحليل شامل ودقيق، مما يضمن أن الاستنتاجات المستخلصة من دراستنا ليست فقط ثاقبة ولكنها أيضًا ثابتة أمام الفحص الإحصائي الصارم.
3.6 السببية جرانجر الثنائية
هذه الدراسة وسعت التحليل ليشمل اختبارات السببية جرانجر الزوجية، وهي خطوة حاسمة في فهم الديناميات الاتجاهية بين المتغيرات في بيانات السلاسل الزمنية لدينا (جرانجر 1969). تعمل السببية جرانجر على مبدأ أنه إذا كان المتغير X يسبب المتغير Y جرانجر، فإن القيم السابقة لـيجب أن توفر معلومات تنبؤية لـ Y تتجاوز ما هو موجود في القيم السابقة لـ Y وحدها. من الضروري أن ندرك أن سببية غرانجر لا تعني سببية حقيقية بالمعنى الفلسفي، بل تشير بدلاً من ذلك إلى ارتباط تنبؤي. تتضمن طريقة السببية جرانجر الثنائية اختبار كل زوج ممكن من المتغيرات في مجموعة البيانات الخاصة بنا لتحديد ما إذا كان يمكن استخدام متغير واحد للتنبؤ بمتغير آخر. هذه الطريقة مفيدة بشكل خاص في كشف الاعتماديات الديناميكية وآليات التأثير بين المتغيرات، والتي قد لا تكون واضحة من تحليل الارتباط القياسي أو اختبارات التكامل المشترك. يمكن أن توفر النتائج من هذه الاختبارات رؤى قيمة حول الأسبقية الزمنية ومسارات التأثير المحتملة بين المتغيرات، مما يعزز فهمنا للتفاعلات المعقدة داخل بيانات السلاسل الزمنية لدينا. كان دمج اختبارات السببية جرانجر الثنائية في دراستنا حاسمًا في رسم صورة أكثر شمولاً وعمقًا للعلاقات والتفاعلات التي تلعب دورًا في تحليلنا.
3.7 ملخص مراحل عملية التحليل
ملخص المنهجية ينص على أن العملية الإحصائية لتحليل بيانات السلاسل الزمنية، كما هو موضح في الشكل 3 (مخطط تدفق التحليل)، بدأت باختبار الجذر الأحادي (ADF و P-P) لتحديد ما إذا كانت البيانات مستقرة. إذا كانت البيانات مستقرة، تم تطبيق اختبار التكامل المشترك (اختبار يوهانسون واختبار إنجل-غرينجر) للتحقق من وجود علاقات توازن طويلة الأجل بين المتغيرات. بالنسبة للبيانات التي وُجد أنها متكاملة، يتبع ذلك تحليل الانحدار باستخدام طرق FMOLS و DOLS، تليها اختبارات القوة مع CCR. علاوة على ذلك، يتم استخدام اختبار السببية (سببية غرانجر الزوجية) لتصوير العلاقات والتفاعلات في تحليلنا. شمل العملية فحصًا تشخيصيًا للتحقق من صحة نموذج الانحدار قبل إنهاء التحليل.
4 النتائج التجريبية
4.1 الإحصائيات الوصفية
تقدم النتائج الإحصائية الوصفية المعروضة في الجدول 2 ملخصًا شاملاً لثمانية مؤشرات اقتصادية هامة المتغيرات استنادًا إلى 58 ملاحظة. أظهر التحليل الإحصائي الوصفي لمجموعة البيانات أنوظهرت EF توزيعات مشابهة، مع متوسطات حول، مما يشير إلى تأثيرات بيئية كبيرة عبر الكيانات المأخوذة عينة منها. أظهرت الفحم والنفط والغاز تباينًا كبيرًا، بمتوسطات تبلغ 12.43 و60.43 و22.64 على التوالي. ومن الجدير بالذكر أن الفحم أظهر نطاقًا واسعًا من القيم، كما يتضح من انحرافه المعياري العالي. بالإضافة إلى ذلك، أظهر الطاقة المتجددة استخدامًا متوسطًا أقل بلغ 4.48، مما يشير إلى اعتماد أو إنتاج أقل عبر الملاحظات. من الناحية الاقتصادية، كان الناتج المحلي الإجمالي له متوسط مرتفع بشكل ملحوظ من ، مع انحراف معياري كبير يعكس الفجوة الاقتصادية، في حين أظهر الاستثمار الثابت الإجمالي متوسطًا أقل من، مما يشير إلى مستوى متنوع من الاستثمارات الرأسمالية. يبرز هذا العرض الموجز الفجوات في المؤشرات البيئية والاقتصادية ضمن مجموعة البيانات، مما يسلط الضوء على ضرورة التحليل المستهدف في المناطق ذات القيم المتطرفة.
4.2 نتائج اختبارات الجذر الأحادي والتكامل المشترك
تظهر نتائج اختبار الجذر الأحادي في الجدول 3 أن جميع المتغيرات كانت غير مستقرة عند المستويات لكنها أصبحت مستقرة في الفرق الأول. دلالة الاختبارات عند الـأكد مستوى اختبار ADF وP-P هذا السلوك بشكل متسق. عند النظر إليها بشكل جماعي، أشارت اختبارات الجذر الأحادي المختلفة باستمرار إلى أن المتغيرات كانت من درجة التكامل الأولى. شكل تحديد درجة التكامل لهذه المتغيرات الأساس لتحديد إطار التكامل المشترك بدقة في الأجزاء اللاحقة من التحليل.
من ناحية أخرى، تشير نتائج اختبار التكامل المشترك لجوهانسون المعروضة في الجدول 4 إلى أنه تم رفض الفرضية الصفرية لعدم وجود تكامل مشترك بقوة لعدد من العلاقات التكاملية من صفر إلى خمسة.، و كما يتضح من إحصائيات فيشر الكبيرة من اختبار المسار، بينما يرفض اختبار القيم الذاتية القصوى فرضية العدم فقط للصفر.، مع -قيم أقل من عتبة 0.05. وهذا يشير إلى وجود علاقة تكاملية واحدة على الأقل بين المتغيرات المختبرة. ومع ذلك، لاختبار الفرضيات أكثر من خمسة علاقات تكاملية ( و )، لم تكن الإحصائيات ذات دلالة، مما يشير إلى أنه لا يمكن رفض الفرضية الصفرية. لذلك، تم الاستنتاج بوجود خمس علاقات توازن طويلة الأجل ضمن مجموعة البيانات.
تقدم الجدول 5 نتائج اختبار التكامل المشترك لإنجل-جرانجر، الذي رفض الفرضية الصفرية لعدم وجود تكامل مشترك. أظهرت جميع المتغيرات وجود تكامل مشترك، مدعومة بإحصائيات تاو وز. يمثل خطأ المعيار لرو المعيار المصحح لخطأ المعيار للمعامل، بينما يقدر تباين المتبقي التباين على المدى الطويل. شجعت وجود التكامل المشترك على مزيد من التحليل باستخدام طرق FMOLS و DOLS لتقدير المعاملات على المدى الطويل.
الشكل 3 مخطط تدفق التحليل
الجدول 2 الإحصائيات الوصفية
متغير
معنى
الوسيط
ماكس
من
الانحراف المعياري
ملاحظات
ثاني أكسيد الكربون
٢٣,٣٧٤,٩٥٢
٥٨
EF
٥٨
فحم
12.43654
7.374517
44.80842
0.523673
12.21011
٥٨
نفط
60.43200
58.10882
٨٨.٩٢٣٦٣
31.35269
15.47422
٥٨
غاز
٢٢.٦٤٨٧٨
٢٤.٣١١١٧
33.86889
6.004779
7.763655
٥٨
إعادة
٤.٤٨٢٦٨٣
٣.٦٧٧٩٠٢
١١٫٥٧٠٦٧
1.140681
٢.٧٣٧١٩٣
٥٨
الناتج المحلي الإجمالي
٥٨
الاستثمار الثابت
٥٨
الجدول 3 نتائج اختبار جذر الوحدة ADF و P-P
المتغيرات
اختبار ديكي-فولر المعزز (ADF)
فيليبس-بيرون (P-P)
التقاطع الفردي
التقاطع الفردي والاتجاه
التقاطع الفردي
التقاطع الفردي والاتجاه
t-إحصائية
احتمال
t-إحصائية
احتمال
t-إحصائية
احتمال
t-إحصائية
احتمال
عند المستوى
إنكو2
-1.8963
0.3318
-1.7282
0.7257
-4.7479
0.0003
-1.4114
0.8471
إن إف
0.1029
0.9633
-4.5891
0.0027
0.9607
0.9957
-4.3371
0.0056
إنكوال
0.0270
0.9569
-2.3543
0.3988
-0.0702
0.9474
-2.4455
0.3532
في النفط
0.8576
0.9942
-2.0076
0.5847
1.0733
0.9968
-1.9711
0.6042
إنغاس
-2.4672
0.1289
-0.7630
0.9624
-2.6867
0.0826
-1.2769
0.8836
فيما يتعلق بـ
-1.2621
0.6412
-3.3824
0.0647
-1.3879
0.5820
-1.5308
0.8072
في الناتج المحلي الإجمالي
-1.9728
0.2978
-1.9982
0.5895
-1.9728
0.2978
-1.4727
0.8275
InGFCF
-4.3292
0.0010
-2.0383
0.5679
-2.9312
0.0480
-1.7386
0.7209
في البداية الاختلاف
إنكو2
-7.5280
0.0000
-8.0744
0.0000
-7.5335
0.0000
0.0000
إن إف
0.0000
-6.5320
0.0000
0.0000
-15.580
0.0000
إنكوال
-6.1195
0.0000
-6.1880
0.0000
-6.1309
0.0000
-6.2028
0.0000
في النفط
-7.5427
0.0000
-7.7252
0.0000
-7.5427
0.0000
-7.7256
0.0000
إنغاس
-4.7723
0.0003
-5.6966
0.0001
-7.4225
0.0000
-9.1155
0.0000
فيما يتعلق بـ
-8.0198
0.0000
-8.4544
0.0000
-7.9956
0.0000
0.0000
في الناتج المحلي الإجمالي
-5.5416
0.0000
0.0001
-5.5416
0.0000
-5.8006
0.0001
InGFCF
-5.1909
0.0001
-6.4675
0.0000
-5.2334
0.0001
-5.4638
0.0002
تشير إلى دلالة عند مستوى 0.01
4.3 نتائج اختبارات التشخيص وثبات المعلمات
الجدول 6 يوضح الاختبارات التشخيصية للنماذج الإحصائية المتعلقة بـ الانبعاثات والأثر البيئي. تشير الجدول إلى أن كلا النموذجين لهما قيم R-squared عالية، مما يدل على قوة تفسيرية قوية. نتائج اختبار جاركي-بيرا، مع -القيم التي تزيد عن 0.05، أكدت أن المتبقيات كانت موزعة بشكل طبيعي. لم يكن هناك ارتباط تسلسلي، كما اقترحت نتائج اختبار بريوش-غودفري LM، وكلا من اختبار بريوش-باگان-غودفري واختبار هارفي و
أظهرت اختبارات جليزر عدم وجود تباين غير متجانس، مع-قيم تتجاوز عتبة 0.05. نتائج اختبار رامزي، مع-القيم أيضًا فوق 0.05، تؤكد أن النماذج تم تحديدها بشكل صحيح. علاوة على ذلك، فإن الرسوم البيانية CUSUM المرفقة لكل منوالأثر البيئي، المعروض في الشكل 4، يظهر خطوط المجموع التراكمي بشكل مريح ضمنحدود الدلالة، توضح استقرار معلمات النماذج من 1965 إلى 2022. بشكل جماعي، تدعم هذه النتائج القوة الإحصائية وموثوقية النماذج على مدى الفترة المدروسة.
الجدول 4 نتائج اختبار التكامل المشترك لجوهانسن
الفرضية الصفرية
إحصائية فيشر* (من اختبار الأثر)
احتمال
إحصائية فيشر* (من اختبار القيم الذاتية القصوى)
احتمال
0.0000
0.0012
0.0001
41.8815
0.0624
0.0013
٣٣.٣٨٤١
0.1140
0.0076
٢٢.٥٧٨٩
0.3424
0.0110
19.1432
0.2069
0.0216
15.4178
0.1101
11.6551
0.0644
7.7867
0.1885
3.8684
0.0584
3.8684
0.0584
تشير إلى رفض الفرضية عند مستوى 0.05
4.4 نتائج DOLS و FMOLS و CCR
4.4.1 FMOLS و DOLS لـانبعاثات
تقدم الجدول 7 تقديرات FMOLS و DOLS لـ الانبعاثات عبر ثلاثة نماذج اقتصادية قياسية، كل منها يستكشف تأثير متغيرات مستقلة مختلفة. في النموذج 1، زيادة في الفحم أدت إلى (FMOLS) و ارتفاع (DOLS) الانبعاثات. وجدت النموذج 2 أن النفط لم يكن له دلالة إحصائية بالنسبة لـ الانبعاثات. وعلى العكس، يُظهر الطراز 3 أن زيادة في الغاز تتوافق مع دلالة إحصائية مهمة (FMOLS) و زيادة في (DOLS) الانبعاثات. علاوة على ذلك، كانت الطاقة المتجددة (RE) تؤثر باستمرار بشكل سلبي على الانبعاثات في الثلاثة جميعًا نماذج. أارتفاع في RE أدى إلى تقليلانبعاثات بواسطة (FMOLS) و (DOLS) في النموذج 1، 0.1772% (FMOLS) و 0.1917% (DOLS) في النموذج 2، و (FMOLS) و (DOLS) في النموذج 3. بالإضافة إلى ذلك، أثر النمو الاقتصادي (الناتج المحلي الإجمالي) بشكل كبير وإيجابي علىانبعاثات. أزيادة في الناتج المحلي الإجمالي أدت إلى ارتفاع فيانبعاثات بواسطة (FMOLS) و (DOLS) في النموذج 1، 1.0508% (FMOLS) و 1.0002% (DOLS) في النموذج 2، و (FMOLS) و 1.5375% (DOLS) في النموذج 3. أخيرًا، كانت تكوين رأس المال (GFCF) ذات دلالة فقط في النموذج 3، حيث أدى زيادة بنسبة 1% في GFCF إلى تقليلانبعاثات بواسطة (FMOLS) و (DOLS). بشكل عام، الطاقة المتجددة قللت باستمرار الانبعاثات عبر جميع النماذج. ترتبط الزيادات في الناتج المحلي الإجمالي بزيادات كبيرة في الانبعاثات. يختلف تأثير الفحم والنفط والغاز، لكنه يشير عمومًا إلى أن استهلاك الوقود الأحفوري يزيد من الانبعاثات، مما يبرز التفاعل المعقد بين النشاط الاقتصادي، واستهلاك الطاقة، والأثر البيئي.
4.4.2 FMOLS و DOLS للبصمة البيئية
تحليل الدراسة فحص تأثير استهلاك الطاقة والمؤشرات الاقتصادية على البصمة البيئية (EF)، كما هو موضح في الجدول 8. في النموذج 1، أظهر الفحم تأثيرًا إيجابيًا على EF، على الرغم من أنه غير ذي دلالة إحصائية. قدم النموذج 2 النفط، كاشفًا عن تأثير إيجابي كبير على EF؛ حيث أن زيادة بنسبة 1% في النفط ترفع EF بـ (FMOLS) و (DOLS). على العكس، وجدت النموذج 3 أن الغاز مرتبط بشكل غير ذي دلالة بـ EF.
الجدول 5 نتائج اختبار التكامل المشترك لإنجل-جرانجر
معتمد
تاو-ستات.
احتمال*
ز-ستات
احتمال*
إنكو2
-3.57
0.7459
-21.53
0.7324
إن إف
-6.80
0.0036
-96.24
0.0000
إنكوال
-3.62
0.7255
-20.04
0.7961
في النفط
-2.30
0.9904
-16.86
0.9028
إنغاس
-3.49
0.7771
-23.69
0.6302
فيما يتعلق بـ
-4.17
0.4735
-26.44
0.4935
في الناتج المحلي الإجمالي
-6.68
0.0049
-99.17
0.0000
InGFCF
-4.91
0.1830
-٣٦.١٩
0.1264
النتائج الوسيطة لاختبار التكامل المشترك لإنجل-غرانجر
الشكل 4 اختبار استقرار المعلمات باستخدام CUSUM لـالانبعاثات (أ) والبصمة البيئية (ب)
الجدول 7 نتائج تقديرات FMOLS و DOLS لـانبعاثات
متغير
النموذج 1
النموذج 2
موديل 3
FMOLS
دولز
FMOLS
دولز
FMOLS
دولز
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
إنكوال
(2.3819)
(2.4812)
–
–
–
–
في النفط
–
-0.4259 (-1.2864)
-0.5192 (-0.9548)
–
–
إنغاس
–
–
–
(3.4100)
(3.4555)
فيما يتعلق بـ
(-4.1709)
(-4.1378)
(-3.5416)
(-3.0069)
(-3.3478)
-0.1328(-3.1675)
في الناتج المحلي الإجمالي
(5.9308)
(5.5031)
(4.9728)
(3.6286)
(9.6668)
(8.3412)
InGFCF
-0.0104 (-0.0926)
-0.0130 (-0.1055)
-0.0254 (-0.2096)
-0.0056 (-0.0382)
(-2.3606)
(-2.3851)
ج
-17.4618
-16.5924
-15.6480
-14.0460
-24.0117
-24.7915
الجدول 8 نتائج تقديرات FMOLS و DOLS للبصمة البيئية
متغير
النموذج 1
النموذج 2
موديل 3
FMOLS
دولز
FMOLS
دولز
FMOLS
دولز
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
إنكوال
0.0110 (1.2148)
0.0167 (1.4937)
–
–
–
–
في النفط
–
–
(٢.١٣٧٥)
(2.2067)
–
–
إنغاس
–
–
–
–
-0.0118 (-0.6535)
0.0053 (0.2157)
فيما يتعلق بـ
(-2.1408)
-0.0444(-2.8212)
-0.0084 (-0.7011)
-0.0137 (-0.9618)
-0.0232(-1.8618)
(-2.0392)
في الناتج المحلي الإجمالي
(16.9381)
(14.3582)
(18.3388)
(15.4263)
(16.6792)
(13.7995)
InGFCF
-0.2747(-8.7141)
-0.2583(-6.8435)
-0.2934(-10.1773)
-0.2880(-8.7889)
-0.2661(-7.1366)
-0.2845(-5.8874)
ج
-1.0168
-0.6839
-4.2644
-5.7548
-1.4507
-1.8610
، ، و تشير إلى مستويات الدلالة عند، و على التوالي
الطاقة المتجددة خفضت بشكل كبير البصمة البيئية في النموذج 1؛ حيث أدى زيادة بنسبة 1% إلى انخفاض بنسبة 0.0260% (FMOLS) و0.0444% (DOLS) في البصمة البيئية. بالانتقال إلى النموذج 2، أصبح تأثير الطاقة المتجددة غير ذي دلالة، ولكن في النموذج 3، خفضت بشكل كبير البصمة البيئية، حيث أدى زيادة بنسبة 1% إلى (FMOLS) و (DOLS) انخفاض في الكفاءة الاقتصادية. علاوة على ذلك، أثر النمو الاقتصادي (الناتج المحلي الإجمالي) بشكل إيجابي وثابت على الكفاءة الاقتصادية. أدى زيادة بنسبة 1% في الناتج المحلي الإجمالي إلى ارتفاع في الكفاءة الاقتصادية بمقدار (FMOLS) و (DOLS) في النموذج 1، (FMOLS) و0.9492% (DOLS) في النموذج 2، و (FMOLS) و0.8673% (DOLS) في النموذج 3. أخيرًا، كان لتكوين رأس المال (GFCF) تأثير سلبي على EF عبر جميع النماذج. أدى زيادة بنسبة 1% في GFCF إلى تقليل EF بمقدار (FMOLS) و (DOLS) في النموذج 1، 0.2934% (FMOLS) و0.2880% (DOLS) في النموذج 2، و0.2661% (FMOLS) و0.2845% (DOLS) في النموذج 3. تشير هذه النتائج إلى أن النمو الاقتصادي، كما يقاس بالناتج المحلي الإجمالي، يميل إلى زيادة البصمة البيئية، مما يبرز تكلفة بيئية محتملة للتنمية. على العكس من ذلك، يبدو أن الاستثمارات في الطاقة المتجددة وتكوين رأس المال تخفف من البصمة البيئية، مما يبرز دورها في الاستدامة البيئية. تختلف أهمية هذه المتغيرات، مما يعكس هياكل اقتصادية وأنماط استهلاك طاقة متنوعة.
4.4.3 اختبار المتانة باستخدام CCR لانبعاثات ثاني أكسيد الكربون والبصمة البيئية
تم استخدام نتيجة CCR الموضحة في الجدول 9 كاختبار للمتانة للتحقق من النتائج المستخلصة من تحليلات FMOLS و DOLS فيما يتعلق بـالانبعاثات و البصمة البيئية. أكدت تحليل CCR قوة نتائج FMOLS و DOLS السابقة. على وجه التحديد، بالنسبة لـ الانبعاثات، أكدت طريقة CCR التأثير الإيجابي للفحم والغاز على الانبعاثات والأثر السلبي للطاقة المتجددة على الانبعاثات عبر جميع النماذج، مع كون المعاملات ذات دلالة إحصائية. كما أكدت المعاملات المتزايدة والملحوظة للناتج المحلي الإجمالي عبر نماذج CCR التأثير الإيجابي القوي للنمو الاقتصادي على الانبعاثات التي تم تحديدها في نماذج FMOLS و DOLS. أظهرت نتائج CCR تأثيرًا سلبيًا كبيرًا لتكوين رأس المال على الانبعاثات في النموذج الثالث، متماشية مع المعاملات السلبية التي لوحظت في التحليلات السابقة.
في سياق البصمة البيئية، كانت نتائج CCR متوافقة مع التأثير غير المهم للفحم والغاز، والتأثير الإيجابي الكبير للنفط في النموذج الثاني، والتأثير السلبي الكبير للطاقة المتجددة في النموذجين الأول والثالث، مما يتماشى جيدًا مع نتائج FMOLS وDOLS. علاوة على ذلك، أكد CCR التأثير الإيجابي للناتج المحلي الإجمالي على البصمة البيئية كأمر قوي، مع معاملات كبيرة عبر جميع النماذج، مما يعكس النتائج السابقة. كما أن التأثير السلبي الكبير المستمر للاستثمار في تكوين رأس المال على البصمة البيئية عبر نماذج CCR قد أكد أيضًا على تكوين رأس المال والبصمة البيئية في تحليلات FMOLS وDOLS.
باختصار، دعمت اختبار قوة CCR صحة تحليلات FMOLS و DOLS، مما يشير إلى أن نتائج هذه النماذج كانت انعكاسات قوية للمتغير المستقل على جودة البيئة.
الجدول 9 نتائج اختبار القوة للمتغير التابعالانبعاثات والبصمة البيئية مع CCR
متغير
النموذج 1
النموذج 2
موديل 3
النموذج 1
النموذج 2
موديل 3
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
المعامل (إحصاء t)
إنكوال
(2.2924)
–
–
0.0114 (1.2412)
–
–
في النفط
–
-0.4266 (-1.1081)
–
–
(1.7286)
–
إنغاس
–
–
(3.2979)
–
–
-0.0098 (-0.5234)
فيما يتعلق بـ
(-4.0441)
(-3.4361)
(-3.3134)
(-2.0794)
-0.0093 (-0.7490)
-0.0241(-1.8608)
في الناتج المحلي الإجمالي
(5.8506)
(٤.٥٩٩١)
(9.3953)
(16.5306)
(16.9154)
(16.1827)
InGFCF
-0.0042 (-0.0372)
-0.0191 (-0.1562)
(-2.2901)
-0.2774(-8.6075)
-0.2946(-9.9319)
-0.2704(-7.0174)
ج
-17.5816
-15.5905
-24.0313
-1.0400
-4.1500
-1.4871
، و تشير إلى مستويات الدلالة عند، و على التوالي إندونيسيا. إن اتساق نتائج CCR مع تحليلات FMOLS و DOLS عبر نماذج ومتغيرات مختلفة يمنح الثقة في الاستنتاجات المستخلصة حول تأثير استهلاك الطاقة، والنمو الاقتصادي، وتكوين رأس المال علىالانبعاثات والبصمة البيئية.
4.5 نتائج السببية جرانجر بالزوج
نتائج تحليل سببية غرانجر المعروضة في الجدول 10 تتعلق بـتشير الانبعاثات إلى أنه لم يكن هناك علاقة سببية مع الفحم والنفط والناتج المحلي الإجمالي. ومع ذلك، كانت هناك علاقة سببية أحادية الاتجاه واضحة من الانبعاثات إلى GFCF و RE، ومن GAS إلى الانبعاثات. بالإضافة إلى ذلك، فيما يتعلق بالبصمة البيئية، تظهر النتائج وجود سببية جرانجر أحادية الاتجاه من البصمة البيئية إلى النفط، والناتج المحلي الإجمالي، وتكوين رأس المال الثابت. علاوة على ذلك، تم الكشف عن سببية ثنائية الاتجاه بين البصمة البيئية والطاقة المتجددة.
5 المناقشة
النتائج من التحليل الاقتصادي القياسي لـتسلط الانبعاثات والبصمة البيئية في سياق إندونيسيا الضوء على الآثار البيئية لاستخدام الطاقة في البلاد، والنشاط الاقتصادي، وتكوين رأس المال. كانت النتائج قوية استنادًا إلى FMOLS.
الجدول 10 نتيجة السببية جرانجر الثنائية
انبعاثات
البصمة البيئية
الفرضية الصفرية:
إحصاء F
احتمال
نتيجة
الفرضية الصفرية:
إحصاء F
احتمال
نتيجة
إنكوالإنكو2
1.2100
0.3198
إنكوالإن إف
0.4950
0.7394
EFفحم
1.7355
0.1588
إن إفإنكوال
1.3654
0.2610
في النفطإنCO2
0.5818
0.6774
في النفطإن إف
1.2860
0.2897
1.2029
0.3228
إن إففي النفط
0.0461
0.0844
1.6981
0.1671
EFغاز
0.6507
0.6294
إن إفإنغاس
0.7301
0.5762
فيما يتعلق بـإنCO2
0.9947
0.4203
0.0894
0.0240
إن إففي القضية
0.0841
1.0717
0.3817
1.9162
0.1242
0.9231
0.4589
إن إففي الناتج المحلي الإجمالي
0.0772
0.4819
0.7489
1.2097
0.3199
0.0450
إن إففي جي إف سي إف
0.0225
و DOLS، كما أكد نموذج CCR. نظرة عامة على التأثير الديناميكي علىتم تقديم انبعاثات البصمة البيئية في الشكل 5.
5.1 الطاقة غير المتجددة،الانبعاثات والبصمة البيئية
تظهر الطاقة غير المتجددة، التي تشمل الفحم والغاز والنفط، تأثيرًا معقدًا على العوامل البيئية، لا سيما الانبعاثات. تسلط النتائج الضوء على التأثير الإيجابي للطاقة غير المتجددة على انبعاثات من الفحم والغاز، متماشية مع نتائج كارتال وآخرون (2023)، فوميك وآخرون (2023)، إيدروس وآخرون (2023ب)، أكار أوغلو وآخرون (2023)، أنصاري (2022)، حنيف وآخرون (2019) وسابوري وسليمان (2013)، جميعها تظهر زيادة في الانبعاثات. هذا يدعم الإجماع على المساهمة الكبيرة للفحم والغاز في الغلاف الجوي المستويات. الاعتماد الكبير لإندونيسيا على مصادر الطاقة غير المتجددة، وخاصة الفحم والغاز الطبيعي، قد أدى إلى زيادة كبيرة في الانبعاثات، مما يزيد من تدهور البيئة ويساهم في تغير المناخ العالمي. تؤكد هذه النتائج على الحاجة الملحة لإندونيسيا لإعادة تقييم سياساتها الطاقية وتسريع الانتقال نحو بدائل أنظف. الفحم، على وجه الخصوص، كان مساهمًا رئيسيًا في انبعاثات، حيث إن احتراقه يطلق كميات كبيرة من غازات الدفيئة في الغلاف الجوي. بالإضافة إلى ذلك، بينما يُعتبر الغاز الطبيعي غالبًا بديلاً أنظف من الفحم، فإن استخراجه واحتراقه لا يزال يؤدي إلى الانبعاثات، وإن كان ذلك إلى حد أقل. لذلك، فإن كل من الفحم والغاز الطبيعي يزيدان من الأثر البيئي من خلال زيادة مستويات الانبعاثات. نظرًا للإمكانات الغنية للطاقة المتجددة في إندونيسيا، هناك حجة قوية تدعو البلاد إلى إعطاء الأولوية لتطوير ونشر هذه البدائل المستدامة. يجب على صانعي السياسات تنفيذ سياسات داعمة وحوافز لتسريع الانتقال نحو مصادر الطاقة المتجددة، مما يساهم في التخفيف منالانبعاثات وتعزيز الاستدامة البيئية. من خلال تقليل الاعتماد على الفحم والغاز الطبيعي واحتضان تقنيات الطاقة المتجددة، يمكن لإندونيسيا التخفيف من الآثار السلبية لتغير المناخ، وحماية البيئة، وتأمين مستقبل مستدام.
على النقيض من ذلك، فإن تأثير النفط أكثر عمقًا، خاصة من حيث البصمة البيئية. يرتبط زيادة استخدام النفط بزيادة في البصمة البيئية، مما يبرز عواقبه البيئية الكبيرة. تؤكد هذه النتيجة على الفهم الأوسع بأن النفط، بعملياته المعقدة وطرق استخراجه، يترك علامة أكثر وضوحًا على الاستدامة البيئية مقارنة بالفحم والغاز. علاوة على ذلك، فإن التأثير السلبي للنفط على البصمة البيئية في إندونيسيا يمتد إلى ما هو أبعد من مجرد استهلاكه. تساهم دورة حياة النفط بالكامل، من الاستخراج إلى النقل والتكرير، بشكل كبير في تدهور البيئة. غالبًا ما تتضمن عمليات الاستخراج تدمير المواطن، وتلوث التربة، وتلوث المياه، مما يؤدي إلى فقدان التنوع البيولوجي وخدمات النظام البيئي. علاوة على ذلك، فإن نقل النفط عبر خطوط الأنابيب أو الناقلات يشكل مخاطر تسرب، مما يعرض النظم البيئية البحرية الهشة والمجتمعات الساحلية للخطر. بالإضافة إلى ذلك، فإن تكرير النفط الخام يطلق ملوثات سامة في الغلاف الجوي، مما يزيد من مشاكل جودة الهواء ويساهم في تغير المناخ. تسلط هذه الآثار التراكمية الضوء على الحاجة الملحة إلى بدائل مستدامة للتخفيف من العواقب الضارة للنفط على بيئة إندونيسيا وتنوعها البيولوجي. تتماشى هذه النتائج مع النتائج المستخلصة من دراسات متنوعة أجراها إهيغياموسوي وآخرون (2023)، وكورنياوان وآخرون.
الشكل 5 نظرة عامة على التأثير طويل الأمد علىالانبعاثات (أ)، والبصمة البيئية (ب)
(2023)، أبرغيس وآخرون (2023)، سلمان وآخرون (2022)، أنصاري (2022)، ناثانيال و خان (2020)، ديستك وسينها (2020)، عثمان ومخدوم (2021)، وألوولا وآخرون (2019).
علاوة على ذلك، فإن السببية الأحادية الاتجاه المحددة من الغاز إلى الانبعاثات تعني أن استهداف تقليل استخدام الغاز يمكن أن يخفض بشكل فعال الانبعاثات (Lv et al. 2019). وبالمثل، تشير نتيجة السببية أحادية الاتجاه من البصمة البيئية إلى النفط إلى أن المبادرات التي تقلل من البصمة البيئية قد تؤثر على استخدام النفط وتحسنه. وهذا يبرز الإمكانية لاستراتيجيات مستهدفة في كل من جهود الطاقة والحفاظ على البيئة. هذه التأثيرات المختلفة للفحم والغاز والنفط على كلا تؤكد الانبعاثات والبصمات البيئية على الطبيعة المعقدة للتداعيات البيئية لمصادر الطاقة غير المتجددة. تبرز النتائج ضرورة اعتماد ممارسات الطاقة المستدامة للتخفيف من العواقب السلبية، خاصة بالنظر إلى الدور الكبير لهذه المصادر في المساهمة في انبعاثات غازات الدفيئة. مع مواجهة العالم لتحديات تغير المناخ، يصبح من الضروري فهم هذه العلاقات بشكل دقيق لوضع استراتيجيات فعالة وموجهة لتعزيز مشهد طاقة أكثر استدامة ووعيًا بيئيًا.
5.2 الطاقة المتجددة،الانبعاثات والبصمة البيئية
تتناول هذه الدراسة جدوى استغلال الموارد المتجددة لتعزيز الاستدامة البيئية في إندونيسيا. مع تنوع المناظر الطبيعية البيئية والتحديات البيئية الفريدة، يمكن أن تستفيد إندونيسيا بشكل كبير من اعتماد حلول الطاقة المتجددة. التحليل الذي تم إجراؤه في هذه الدراسة يبرز نتائج قوية تُظهر كيف أن استخدام الطاقة المتجددة يعزز البيئة، لا سيما فيما يتعلق بالتخفيف منالانبعاثات وتقليل البصمة البيئية. يتماشى هذا الجزء من النتائج معنتائج الانبعاثات التي أبلغ عنها خان وآخرون (2023)، إيدروس وآخرون (2023ب)، فوميك وآخرون (2023)، رايهان وآخرون (2023)، لي وآخرون (2023)، كارتال وآخرون (2023)، أكار أوغلو وآخرون (2023)، أفجال وآخرون (2023)، رايهان وتوسبيكوفا (2022)، رحمن وآخرون (2022)، كوك وبولس (2020) وآتشامبونغ وآخرون (2019)، بالإضافة إلى نتائج البصمة البيئية من كيرنياوان وآخرون (2023)، إهيغياموسوي وآخرون (2023)، سلمان وآخرون (2022)، رادمهير وآخرون (2022)، عثمان ومخدوم (2021)، عثمان وهمر (2021) وديستك وسينها (2020).
تحليل سببية غرانجر يكشف عن علاقة أحادية الاتجاه من الانبعاثات إلى الطاقة المتجددة، مما يشير إلى أن التحولات في تسبق الانبعاثات التغيرات في استخدام الطاقة المتجددة. تتماشى هذه النتائج مع النتائج التي قدمها ليف وآخرون (2019) وأنصاري (2022). علاوة على ذلك، وجدت النتائج أن
السببية الثنائية الاتجاه بين البصمة البيئية والطاقة المتجددة، مما يظهر تفاعلًا تآزريًا. مع زيادة استخدام الطاقة المتجددة، تنخفض البصمة البيئية، مما يؤسس حلقة تغذية راجعة تعزز نفسها. تدعم هذه النتائج ما توصل إليه رادمهير وآخرون (2022)، كونغبواماي وآخرون (2021)، عثمان وحمر (2021)، وناثانيال وخان (2020).
هناك إمكانات كبيرة لتخفيف انبعاثات غازات الدفيئة تكمن في مصادر الطاقة المتجددة مثل الطاقة الشمسية، وطاقة الرياح، والطاقة المائية، والطاقة الحرارية الجوفية، خاصة في تقليل الانبعاثات والبصمة البيئية، وهي مساهم رئيسي في تغير المناخ العالمي. إندونيسيا، التي تتمتع بأشعة شمس وفيرة، ورياح قوية، وموارد مائية واسعة، وتحتل المرتبة الثانية عالميًا في إنتاج الطاقة الحرارية الجوفية، مستعدة للانتقال نحو الطاقة المتجددة كاستراتيجية قابلة للتطبيق لتقليل بصمتها الكربونية. تتمتع البلاد بإمكانات هيدروليكية هائلة، تقدر بحوالي 75 جيجاوات، إلى جانب قاعدة موارد بيولوجية كبيرة تتجاوز 20 مليون طن سنويًا، مما يعزز قدراتها في مجال الطاقة المتجددة. بالمقارنة مع توليد الطاقة التقليدي القائم على الوقود الأحفوري، تقدم التقنيات المتجددة بصمة بيئية أصغر بكثير، مما يقلل من استخراج الموارد، وتلوث الهواء والماء، وتدمير المواطن. إن احتضان الطاقة المتجددة لا يتماشى فقط مع الأهداف العالمية للاستدامة، بل يضع إندونيسيا أيضًا في مقدمة التنمية المستدامة عبر جنوب شرق آسيا. من خلال الاستثمارات المستهدفة، وإصلاح السياسات، والتقدم التكنولوجي، يمكن لإندونيسيا أن تقود الطريق نحو مستقبل مرن ومنخفض الكربون، مما يضمن استدامة بيئية دائمة وازدهار اقتصادي.
5.3 النمو الاقتصادي، الانبعاثات والبصمة البيئية
تظهر تأثيرات النمو الاقتصادي كعامل حاسم يؤثر على كل من الانبعاثات والبصمة البيئية. هناك ارتباط ملحوظ، يظهر أن زيادة الناتج المحلي الإجمالي تتوافق مع زيادة متزامنة في كل من الانبعاثات والبصمة البيئية. تتناغم هذه الفقرة من النتائج مع النتائج التي حصل عليها ماوليدار وآخرون (2024)، لي وآخرون (2023)، هاردي وآخرون (2023)، يوسف وآخرون (2023)، إيدرويس وآخرون (2023ب)، رايهان وآخرون (2023)، إهيغياموسوي وآخرون (2023)، أنصاري (2022)، رايهان وتوسبيكوفا (2022)، سلمان وآخرون (2022)، كونغبواماي وآخرون (2021)، ناثانيال وخان (2020)، وألوولا وآخرون (2019). علاوة على ذلك، فإن السبب الأحادي الاتجاه الذي يمتد من البصمة البيئية إلى النمو الاقتصادي يعني أن التغيرات في تأثير البيئة في منطقة ما، كما تقيسها البصمة البيئية، تؤثر مباشرة على ناتجها الاقتصادي. يتحدى هذا الرؤية التقليدية ويبرز أهمية الاستدامة البيئية في تشكيل النتائج الاقتصادية.
تتوافق هذه النتائج مع النتائج المقدمة من تاركانغ وآخرون (2023) ونفيد وآخرون (2023).
تظهر هذه النتائج التجريبية من إندونيسيا بشكل قاطع أن النمو الاقتصادي مرتبط بزيادة في الانبعاثات والبصمة البيئية. مع خضوع إندونيسيا لعملية صناعية وحضرية سريعة، مدفوعة بالتوسع الاقتصادي، هناك زيادة متناسبة في استهلاك الطاقة، تعتمد بشكل كبير على الوقود الأحفوري. تسهم هذه الاعتماد بشكل كبير في الانبعاثات، مما يزيد من بصمة البلاد البيئية. على الرغم من الجهود المبذولة لتخفيف هذه التأثيرات من خلال التدخلات السياسية والتقدم التكنولوجي، غالبًا ما تتجاوز نطاق وسرعة النمو الاقتصادي هذه التدابير، مما يؤدي إلى زيادة صافية في الانبعاثات والبصمة البيئية. لمواجهة هذا التحدي، يجب على إندونيسيا إعطاء الأولوية لاستراتيجيات التنمية المستدامة، بما في ذلك الاستثمار في مصادر الطاقة المتجددة، وتعزيز تدابير كفاءة الطاقة، وتنفيذ لوائح بيئية صارمة.
5.4 تشكيل رأس المال، الانبعاثات والبصمة البيئية
تشير نتائج هذه الدراسة إلى أن زيادة تشكيل رأس المال مرتبطة بتقليل كل من الانبعاثات والبصمة البيئية. وهذا يشير إلى أن الاستثمارات في البنية التحتية، والآلات، والتكنولوجيا يمكن أن تؤدي إلى تحسين الكفاءة وعمليات إنتاج أنظف، مما يؤدي في النهاية إلى انخفاض الانبعاثات وبصمة بيئية أصغر. تتماشى هذه النتائج مع نتائج ماوليدار وآخرون (2024)، مما يعزز الفكرة القائلة بأن الاستثمارات المستهدفة في رأس المال يمكن أن تلعب دورًا حاسمًا في دفع الاستدامة البيئية. ومع ذلك، من الضروري الاعتراف بوجهات نظر متباينة، مثل تلك التي قدمها تشيكوري وآخرون (2023) وأديرينتو وأوغونرو (2021)، الذين جادلوا بأن تشكيل رأس المال قد يسهم في زيادة الانبعاثات. على الرغم من هذه التباينات، فإن الإمكانية لاستثمار رأس المال في تخفيف الأثر البيئي تبرز أهمية تنفيذ السياسات والحوافز لتشجيع ممارسات تشكيل رأس المال المستدام في إندونيسيا. قد يتضمن ذلك تعزيز الاستثمارات في بنية الطاقة المتجددة، والتقنيات الصديقة للبيئة، وأنظمة النقل المستدامة، إلى جانب تنفيذ لوائح بيئية صارمة وتسهيل الشراكات بين القطاعين العام والخاص. من خلال الاستفادة من إمكانيات تشكيل رأس المال الثابت الإجمالي لتقليل الانبعاثات والبصمة البيئية، يمكن لإندونيسيا تعزيز جهودها نحو تحقيق أهداف الاستدامة البيئية مع تعزيز النمو الاقتصادي الشامل والمرن.
6 الخاتمة، والآثار السياسية، والقيود
تستكشف هذه الدراسة التأثير الديناميكي لمصادر الطاقة غير المتجددة (الفحم، النفط، والغاز)، والطاقة المتجددة، والنمو الاقتصادي، وتشكيل رأس المال على الانبعاثات والبصمة البيئية في إندونيسيا من 1965 إلى 2022. من خلال استخدام FMOLS وDOLS، وإجراء اختبار موثوقية باستخدام تقنيات CCR، تشير النتائج التجريبية إلى أن زيادة الفحم والغاز أدت إلى زيادة مباشرة في الانبعاثات بنسبة و، على التوالي، دون التأثير على البصمات البيئية. على العكس من ذلك، أدت زيادة بنسبة 1% في النفط إلى ارتفاع في البصمات البيئية بنسبة، ولكن ليس في الانبعاثات. من ناحية أخرى، كانت زيادة الطاقة المتجددة مرتبطة بتقليل كل من الانبعاثات والبصمات البيئية بنسبة تقارب و، على التوالي، مما يحسن جودة البيئة في إندونيسيا. علاوة على ذلك، كانت زيادة النمو الاقتصادي مرتبطة بزيادة في كل من الانبعاثات والبصمات البيئية بنسبة تقارب و، على التوالي، بينما أدت زيادة تشكيل رأس المال إلى تقليل البصمة البيئية بنسبة تقارب. أظهر اختبار سبيرجر للسببية وجود سبب أحادي الاتجاه من الانبعاثات إلى الطاقة المتجددة، مع وجود سبب ثنائي الاتجاه بين البصمة البيئية والطاقة المتجددة.
في معالجة التحديات البيئية في إندونيسيا، يجب على صانعي السياسات إعطاء الأولوية لتقليل الاعتماد على مصادر الطاقة غير المتجددة مثل الفحم والنفط والغاز، التي تسهم بشكل كبير في الانبعاثات والبصمات البيئية. يجب أن تركز الاستراتيجيات على تنويع مزيج الطاقة، وتعزيز كفاءة الطاقة، وإلغاء الدعم للوقود الأحفوري داخل قطاع الطاقة في إندونيسيا. في الوقت نفسه، يعد تعزيز اعتماد وتوسيع مصادر الطاقة المتجددة، بما في ذلك الطاقة الشمسية، وطاقة الرياح، والطاقة المائية، والطاقة الحرارية الأرضية، أمرًا حيويًا. يجب أن تكون الحوافز مثل الدعم، والإعفاءات الضريبية، والدعم التنظيمي مصممة لتشجيع هذا الانتقال، مما يقلل من الانبعاثات والبصمات البيئية في إندونيسيا. من الضروري دمج الاعتبارات البيئية في السياسات الاقتصادية لضمان التنمية المستدامة وسط النمو الاقتصادي. يجب تنفيذ تسعير الكربون، والضرائب البيئية، وأنظمة تداول الانبعاثات لتضمين التكاليف البيئية ضمن المشهد الاقتصادي في إندونيسيا. بالإضافة إلى ذلك، يجب إعطاء الأولوية للاستثمار في تشكيل رأس المال، والبنية التحتية، والتكنولوجيا، ورأس المال البشري لتعزيز ممارسات التنمية المستدامة المصممة خصيصًا لظروف إندونيسيا الفريدة. يمكن أن يؤدي هذا الاستثمار إلى تقليل البصمات البيئية وتعزيز الإدارة البيئية. أخيرًا، يعد إنشاء آليات مراقبة قوية وأطر تنظيمية محددة لإندونيسيا أمرًا حيويًا. تعزيز القوانين البيئية، وتحسين متطلبات المراقبة والتقارير، وتنفيذ العقوبات لعدم الامتثال يمكن أن يخفف بشكل فعال الانبعاثات والبصمات البيئية في إندونيسيا. تقدم هذه الدراسة رؤى قيمة حول التأثير الديناميكي لمصادر الطاقة، والنمو الاقتصادي، وتشكيل رأس المال على الانبعاثات والبصمات البيئية في إندونيسيا من 1965 إلى 2022. ومع ذلك، يجب الاعتراف بعدة قيود. أولاً، قد تكون المنهجيات المستخدمة، على الرغم من قوتها، تحتوي على افتراضات وقيود متأصلة. يمكن للباحثين استكشاف طرق اقتصادية قياسية أخرى مثل ARDL، VECM، GMM، وغيرها لتعزيز التحليل. علاوة على ذلك، قد يؤدي توسيع النطاق ليشمل متغيرات اقتصادية إضافية، مثل انفتاح التجارة، والاستثمار الأجنبي المباشر، والإنفاق الحكومي، إلى تقديم فهم أكثر شمولاً للعوامل التي تؤثر على النتائج البيئية. لمعالجة هذه القيود وتعزيز الفهم في هذا المجال، يمكن أن تتضمن الدراسات المستقبلية بيانات أكثر تفصيلاً، وتوسيع التحليل ليشمل السنوات الأخيرة، واستكشاف تقنيات اقتصادية قياسية بديلة، واستخدام أساليب البحث النوعي. من خلال معالجة هذه الفجوات والطرق المستقبلية للبحث، يمكن للعلماء المساهمة في رؤى أكثر قوة وقابلية للتطبيق لصانعي السياسات وأصحاب المصلحة الذين يسعون لتحقيق التوازن بين التنمية الاقتصادية والاستدامة البيئية.
الاختصارات
ADF
اختبار ديكي-فولر الموسع
ARDL
تأخير ذاتي موزع
CO2
انبعاثات ثاني أكسيد الكربون
COAL
فحم
CUSUM
المجموع التراكمي للبقايا التكرارية
CCR
الانحدار المتزامن الكنسي
DOLS
المربعات العادية الديناميكية
EF
البصمة البيئية
FMOLS
المربعات العادية المعدلة بالكامل
ESDM
وزارة الطاقة والموارد المعدنية
GAS
غاز
GDP
الناتج المحلي الإجمالي
GFCF
تشكيل رأس المال الثابت الإجمالي
GFN
شبكة البصمة العالمية
IEA
الوكالة الدولية للطاقة
IESR
معهد إصلاح الخدمات الأساسية
LCU
وحدة العملة المحلية
OIL
نفط
OWID
عالمنا في البيانات
P-P
فيليبس-بيرون
RE
الطاقة المتجددة
SEA
جنوب شرق آسيا
VECM
نموذج تصحيح الخطأ المتجه
WDI
مؤشر التنمية العالمية
الشكر والتقدير
لا ينطبق.
مساهمات المؤلفين
قام غاليب موتيغ إيدروس بإجراء تحليل البيانات وكتابة المقال. تم إعداد المواد، وجمع البيانات، والتحليل بواسطة إيرسان هاردي وتيوكو ريزكي نوفيندي. ساهم محمد حسنور رحمن ومحمد أفجال في عملية المراجعة والتحرير. يشرف رينالدي إيدروس على المقالات ويقدم المخطوطات. قرأ جميع المؤلفين ووافقوا على النسخة النهائية من المخطوطة.
التمويل
لم يتم تلقي أي تمويل لهذا العمل.
توفر البيانات والمواد
البيانات متاحة عند الطلب.
الإعلانات
موافقة الأخلاقيات والموافقة على المشاركة
لا ينطبق.
المصالح المتنافسة
يعلن جميع المؤلفين المرتبطين بهذا العمل أنه لا يوجد تضارب في المصالح.
تفاصيل المؤلف
¹قسم الاقتصاد، كلية الاقتصاد والأعمال، جامعة سياه كوالا، باندا آتشه 23111، إندونيسيا. وحدة الطاقة والاقتصاد الأخضر، غراها بريميرا سانتيفيكا، آتشه بيسار 23371، إندونيسيا. وحدة النمذجة الاقتصادية وتحليل البيانات، غراها بريميرا سانتيفيكا، آتشه بيسار 23371، إندونيسيا. قسم الاقتصاد، جامعة شيخ فازيلاتونيسا مجيب، جمالبور 2000، بنغلاديش. قسم الاقتصاد، جامعة كوملا، كوملا 3506، بنغلاديش. مدرسة فيت للأعمال، معهد التكنولوجيا فيلوري، فيلوري 632014، الهند. وحدة البحث الابتكاري بين التخصصات، غراها بريميرا سانتيفيكا، آتشه بيسار 23771، إندونيسيا. قسم الكيمياء، كلية الرياضيات والعلوم الطبيعية، جامعة سياه كوالا، باندا آتشه 23111، إندونيسيا. مدرسة الرياضيات والعلوم التطبيقية، جامعة سياه كوالا، باندا آتشه 23111، إندونيسيا.
تاريخ الاستلام: 26 ديسمبر 2023 تاريخ المراجعة: 26 فبراير 2024 تاريخ القبول: 14 مارس 2024 نُشر على الإنترنت: 16 أبريل 2024
References
Acaroğlu H, Kartal HM, García Márquez FP (2023) Testing the environmental Kuznets curve hypothesis in terms of ecological footprint and CO2 emissions through energy diversification for Turkey. Environ Sci Pollut Res 30:63289-63304. https://doi.org/10.1007/s11356-023-26278-w
Acevedo-Ramos JA, Valencia CF, Valencia CD (2023) The Environmental Kuznets Curve Hypothesis for Colombia: Impact of Economic Development on Greenhouse Gas Emissions and Ecological Footprint. Sustainability 15:3738. https://doi.org/10.3390/su15043738
Acheampong AO, Adams S, Boateng E (2019) Do globalization and renewable energy contribute to carbon emissions mitigation in Sub-Saharan Africa? Sci Total Environ 677:436-446. https://doi.org/10.1016/j.scitotenv.2019. 04.353
Adebayo TS, Kirikkaleli D (2021) Impact of renewable energy consumption, globalization, and technological innovation on environmental degradation in Japan: application of wavelet tools. Environ Dev Sustain 23:16057-16082. https://doi.org/10.1007/s10668-021-01322-2
Adekoya OB, Oliyide JA, Fasanya IO (2022) Renewable and non-renewable energy consumption – Ecological footprint nexus in net-oil exporting and net-oil importing countries: Policy implications for a sustainable environment. Renew Energy 189:524-534. https://doi.org/10.1016/j. renene.2022.03.036
Aderinto ER, Ogunro TT (2021) Population growth and environmental degradation in Nigeria: A comparative analysis of Carbon dioxide emissions and ecological footprint. Interdiscip J Appl Basics Subj 1:26-36
Afjal M, Kathiravan C, Dana LP, Nagarajan CD (2023) The Dynamic Impact of Financial Technology and Energy Consumption on Environmental Sustainability. Sustainability 15:9327. https://doi.org/10.3390/su15129327
Ali A, Radulescu M, Balsalobre-Lorente D (2023) A dynamic relationship between renewable energy consumption, nonrenewable energy consumption, economic growth, and carbon dioxide emissions: Evidence from Asian emerging economies. Energy Environ 34:3529-3552. https:// doi.org/10.1177/0958305X231151684
AlNemer HA, Hkiri B, Tissaoui K (2023) Dynamic impact of renewable and nonrenewable energy consumption on CO2 emission and economic growth
in Saudi Arabia: Fresh evidence from wavelet coherence analysis. Renew Energy 209:340-356. https://doi.org/10.1016/j.renene.2023.03.084
Alola AA, Bekun FV, Sarkodie SA (2019) Dynamic impact of trade policy, economic growth, fertility rate, renewable and non-renewable energy consumption on ecological footprint in Europe. Sci Total Environ 685:702-709. https://doi.org/10.1016/j.scitotenv.2019.05.139
Amin N, Song H (2022) The role of renewable, non-renewable energy consumption, trade, economic growth, and urbanization in achieving carbon neutrality: A comparative study for South and East Asian countries. Environ Sci Pollut Res 30:12798-12812. https://doi.org/10.1007/ s11356-022-22973-2
Ansari MA (2022) Re-visiting the Environmental Kuznets curve for ASEAN: A comparison between ecological footprint and carbon dioxide emissions. Renew Sustain Energy Rev 168:112867. https://doi.org/10.1016/j.rser. 2022.112867
Apergis N, Degirmenci T, Aydin M (2023) Renewable and non-renewable energy consumption, energy technology investment, green technological innovation, and environmental sustainability in the United States: Testing the EKC and LCC hypotheses with novel Fourier estimation. Environ Sci Pollut Res. https://doi.org/10.1007/s11356-023-30901-1
Arshad Z, Robaina M, Botelho A (2020) Renewable and Non-renewable Energy, Economic Growth and Natural Resources Impact on Environmental Quality: Empirical Evidence from South and Southeast Asian Countries with CS-ARDL Modeling. Int J Energy Econ Policy. 10:368-383. https://doi.org/ 10.32479/ijeep. 9956
Bello MO, Solarin SA, Yen YY (2018) The impact of electricity consumption on CO2 emission, carbon footprint, water footprint and ecological footprint: The role of hydropower in an emerging economy. J Environ Manage 219:218-230. https://doi.org/10.1016/j.jenvman.2018.04.101
Ben Jebli M, Ben Youssef S, Ozturk I (2016) Testing environmental Kuznets curve hypothesis: The role of renewable and non-renewable energy consumption and trade in OECD countries. Ecol Indic 60:824-831. https:// doi.org/10.1016/j.ecolind.2015.08.031
Bhat JA (2018) Renewable and non-renewable energy consumption-impact on economic growth and CO2 emissions in five emerging market economies. Environ Sci Pollut Res 25:35515-35530. https://doi.org/10.1007/ s11356-018-3523-8
Chang Z, Shen G, Jiang K, Huang W, Zhao J, Luo Z, Men Y, Xing R, Zhao N, Pan B, Xing B, Tao S (2024) Environmental implications of residual pyrogenic carbonaceous materials from incomplete biomass combustion: a review. Carbon Res 3:15. https://doi.org/10.1007/s44246-024-00103-6
Chekouri SM, Chibi A, Benbouziane M (2023) The impact of natural resource abundance on ecological footprint: evidence from Algeria. Environ Sci Pollut Res 30:69289-69306. https://doi.org/10.1007/s11356-023-26720-z
Chen Y, Zhao J, Lai Z, Wang Z, Xia H (2019) Exploring the effects of economic growth, and renewable and non-renewable energy consumption on China’s CO2 emissions: Evidence from a regional panel analysis. Renew Energy 140:341-353. https://doi.org/10.1016/j.renene.2019.03.058
Chien F, Hsu C-C, Moslehpour M, Sadiq M, Tufail B, Ngo TQ (2023) A step toward sustainable development: the nexus of environmental sustainability, technological advancement and green finance: evidence from Indonesia. Environ Dev Sustain. https://doi.org/10.1007/ s10668-023-03424-5
Christoforidis T, Katrakilidis C (2021) The dynamic role of institutional quality, renewable and non-renewable energy on the ecological footprint of OECD countries: do institutions and renewables function as leverage points for environmental sustainability? Environ Sci Pollut Res 28:5388853907. https://doi.org/10.1007/s11356-021-13877-8
Cobb CW, Douglas PH (1928) A theory of production
Destek MA, Sinha A (2020) Renewable, non-renewable energy consumption, economic growth, trade openness and ecological footprint: Evidence from organisation for economic Co-operation and development countries. J Clean Prod 242:118537. https://doi.org/10.1016/j.jclepro.2019. 118537
Dickey DA, Fuller WA (1979) Distribution of the Estimators for Autoregressive Time Series with a Unit Root. J Am Stat Assoc 74:427-431. https://doi.org/ 10.1080/01621459.1979.10482531
Dogan E, Majeed MT, Luni T (2022) Revisiting the nexus of ecological footprint, unemployment, and renewable and non-renewable energy for South Asian economies: Evidence from novel research methods. Renew Energy 194:1060-1070. https://doi.org/10.1016/j.renene.2022.05.165
Ehigiamusoe KU, Ramakrishnan S, Lean HH, Mustapha M (2023) The moderating roles of renewable and non-renewable energy consumption on the ecological impact of economic growth in Southeast Asia. Energy Syst. https://doi.org/10.1007/s12667-023-00616-w
Engle RF, Granger CWJ (1987) Co-Integration and Error Correction: Representation, Estimation, and Testing. Econometrica 55(2):251-276. https://doi. org/10.2307/1913236
ESDM (2021) Indonesia: National Electricity Supply Business Plan (RUPTL) 2021-2030
GFN (2023) Global Footprint Network https://data.footprintnetwork.org/#/
Granger CWJ (1969) Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica 37:424. https://doi.org/10. 2307/1912791
Hanif I, Aziz B, Chaudhry IS (2019) Carbon emissions across the spectrum of renewable and nonrenewable energy use in developing economies of Asia. Renew Energy 143:586-595. https://doi.org/10.1016/j.renene.2019.05.032
Hardi I, Idroes GM, Zulham T, Suriani S, Saputra J (2023) Economic Growth, Agriculture, Capital Formation and Greenhouse Gas Emissions in Indonesia: FMOLS, DOLS and CCR Applications. Ekon J Econ 1:82-91. https://doi. org/10.60084/eje.v1i2.109
Hardi I, Ray S, Attari MUQ, Ali N, Idroes GM (2024) Innovation and Economic Growth in the Top Five Southeast Asian Economies: A Decomposition Analysis. Ekon J Econ 2:1-14. https://doi.org/10.60084/eje.v2i1.145
He X, Adebayo TS, Kirikkaleli D, Umar M (2021) Consumption-based carbon emissions in Mexico: An analysis using the dual adjustment approach. Sustain Prod Consum 27:947-957. https://doi.org/10.1016/j.spc.2021.02.020
Idroes GM, Hardi I, Nasir M, Gunawan E, Maulidar P, Maulana ARR (2023a) Natural Disasters and Economic Growth in Indonesia. Ekon J Econ 1:33-39. https://doi.org/10.60084/eje.v1i1.55
Idroes GM, Hardi I, Noviandy TR, Sasmita NR, Hilal IS, Kusumo F, Idroes R (2023b) A Deep Dive into Indonesia’s CO2 Emissions: The Role of Energy Consumption, Economic Growth and Natural Disasters. Ekon J Econ 1:69-81. https://doi.org/10.60084/eje.v1i2.115
Idroes GM, Syahnur S, Majid MSA, Idroes R, Kusumo F, Hardi I (2023c) Unveiling the Carbon Footprint: Biomass vs. Geothermal Energy in Indonesia. Ekon J Econ 1:10-18. https://doi.org/10.60084/eje.v1i1.47
IEA (2022) Enhancing Indonesia’s Power System. https://www.iea.org/reports/ enhancing-indonesias-power-system
IESR (2022) Indonesia Energy Transition Outlook 2023. https://iesr.or.id/wp-conte nt/uploads/2022/12/Indonesia-Energy-Transition-Outlook_2023.pdf
Ito K (2017) CO2 emissions, renewable and non-renewable energy consumption, and economic growth: Evidence from panel data for developing countries. Int Econ 151:1-6. https://doi.org/10.1016/j.inteco.2017.02.001
Johansen S (1988) Statistical analysis of cointegration vectors. J Econ Dyn Control 12:231-254. https://doi.org/10.1016/0165-1889(88)90041-3
Kartal HM, Acaroğlu H, Garcia Marquez FP (2023) The Validity of the Environmental Kuznets Curve in Terms of the Ecological Foot Print and Energy Consumption Diversity: The Case of Turkey. In: García Márquez FP, Segovia Ramírez I, Bernalte Sánchez PJ, Muñoz del Río A (eds) IoT and Data Science in Engineering Management. CIO 2022. Lecture Notes on Data Engineering and Communications Technologies, vol 160. Springer, Cham. https://doi.org/10.1007/978-3-031-27915-7_49
Khan SAR, Zia-UI-Haq HM, Ponce P, Janjua L (2023) Re-investigating the impact of non-renewable and renewable energy on environmental quality: A roadmap towards sustainable development. Resour Policy 81:103411. https://doi.org/10.1016/j.resourpol.2023.103411
Koc S, Bulus GC (2020) Testing validity of the EKC hypothesis in South Korea: role of renewable energy and trade openness. Environ Sci Pollut Res 27:29043-29054. https://doi.org/10.1007/s11356-020-09172-7
Kongbuamai N, Bui Q, Nimsai S (2021) The effects of renewable and nonrenewable energy consumption on the ecological footprint: the role of environmental policy in BRICS countries. Environ Sci Pollut Res 28:27885-27899. https://doi.org/10.1007/s11356-021-12551-3
Kostakis I (2024) An empirical investigation of the nexus among renewable energy, financial openness, economic growth, and environmental degradation in selected ASEAN economies. J Environ Manage 354:120398. https://doi.org/10.1016/j.jenvman.2024.120398
Kurniawan R, Nugroho NAA, Fudholi A, Purwanto A, Sumargo B, Gio PU, Wongsonadi SK (2023) The ecological footprint of industrial value added and energy consumption in Indonesia. Int J Energy Sect Manag. https:// doi.org/10.1108/IJESM-05-2023-0006
Li R, Wang Q, Li L (2023) Does renewable energy reduce per capita carbon emissions and per capita ecological footprint? New evidence from 130 countries. Energy Strateg Rev 49:101121. https://doi.org/10.1016/j.esr. 2023.101121
Lv C, McAleer W (2019) Modelling Economic Growth, Carbon Emissions, and Fossil Fuel Consumption in China: Cointegration and Multivariate Causality. Int J Environ Res Public Health 16:4176. https://doi.org/10.3390/ijerp h16214176
Massagony A, Budiono, (2023) Is the Environmental Kuznets Curve (EKC) hypothesis valid on CO 2 emissions in Indonesia? Int J Environ Stud 80:20-31. https://doi.org/10.1080/00207233.2022.2029097
Maulidar P, Fitriyani F, Sasmita NR, Hardi I, Idroes GM (2024) Exploring Indonesia’s CO2 Emissions: The Impact of Agriculture, Economic Growth, Capital and Labor. Grimsa J Bus Econ Stud 1:43-55. https://doi.org/10.61975/ gjbes.v1i1.22
Munir Q, Lean HH, Smyth R (2020) CO2 emissions, energy consumption and economic growth in the ASEAN-5 countries: A cross-sectional dependence approach. Energy Econ 85:104571. https://doi.org/10.1016/j.eneco. 2019.104571
Nathaniel SP (2021) Ecological footprint, energy use, trade, and urbanization linkage in Indonesia. GeoJournal 86:2057-2070. https://doi.org/10.1007/ s10708-020-10175-7
Nathaniel S, Khan SAR (2020) The nexus between urbanization, renewable energy, trade, and ecological footprint in ASEAN countries. J Clean Prod 272:122709. https://doi.org/10.1016/j.jclepro.2020.122709
Naveed M, Islam M, Usman M, Kamal M, Khan MF (2023) Demystifying the association between economic development, transportation, tourism, renewable energy, and ecological footprint in Bay of Bengal Initiative for Multi-Sectoral Technical and Economic Cooperation region during globalization mode. Environ Sci Pollut Res 30:120137-120154. https://doi. org/10.1007/s11356-023-30706-2
OWID (2023) Our World in Data. https://ourworldindata.org/#entries
Park JY (1992) Canonical Cointegrating Regressions. Econometrica 60:119. https://doi.org/10.2307/2951679
Pata UK (2021) Linking renewable energy, globalization, agriculture, CO2 emissions and ecological footprint in BRIC countries: A sustainability perspective. Renew Energy 173:197-208. https://doi.org/10.1016/j.renene. 2021.03.125
Pata UK, Aydin M, Haouas I (2021) Are natural resources abundance and human development a solution for environmental pressure? Evidence from top ten countries with the largest ecological footprint. Resour Policy 70:101923. https://doi.org/10.1016/j.resourpol.2020.101923
Phillips PCB, Hansen BE (1990) Statistical Inference in Instrumental Variables Regression with I(1) Processes. Rev Econ Stud 57:99. https://doi.org/10. 2307/2297545
Phillips PCB, Perron P (1988) Testing for a Unit Root in Time Series Regression. Biometrika 75:335. https://doi.org/10.2307/2336182
Pirmana V, Alisjahbana AS, Yusuf AA, Hoekstra R, Tukker A (2021) Environmental Cost in Indonesia Spillover Effect Between Consumption and Production. Front Sustain. 2. https://doi.org/10.3389/frsus.2021.720177
Pujiati A, Yanto H, Dwi Handayani B, Ridzuan AR, Borhan H, Shaari MS (2023) The detrimental effects of dirty energy, foreign investment, and corruption on environmental quality: New evidence from Indonesia. Front Environ Sci. 10. https://doi.org/10.3389/fenvs.2022.1074172
Radmehr R, Shayanmehr S, Ali EB, Ofori EK, Jasińska E, Jasiński M (2022) Exploring the Nexus of Renewable Energy, Ecological Footprint, and Economic Growth through Globalization and Human Capital in G7 Economics. Sustainability 14:12227. https://doi.org/10.3390/su141912227
Rahman MH, Majumder SC (2022) Empirical analysis of the feasible solution to mitigate the CO2 emission: evidence from Next-11 countries. Environ Sci Pollut Res 29:73191-73209. https://doi.org/10.1007/s11356-022-20908-5
Rahman MM (2022) Test and performance optimization of nozzle inclination angle and swirl combustor in a low-tar biomass gasifier: a biomass power generation system perspective. Carbon Resour Convers 5:139-149. https://doi.org/10.1016/j.crcon.2022.01.002
Rahman MM, Aravindakshan S, Hoque MA, Rahman MA, Gulandaz MA, Rahman J, Islam MT (2021a) Conservation tillage (CT) for climate-smart sustainable intensification: Assessing the impact of CT on soil organic carbon accumulation, greenhouse gas emission and water footprint of wheat cultivation in Bangladesh. Environ Sustain Indic 10:100106. https:// doi.org/10.1016/j.indic.2021.100106
Rahman MM, Aravindakshan S, Matin MA (2021b) Design and performance evaluation of an inclined nozzle and combustor of a downdraft moving bed gasifier for tar reduction. Renew Energy 172:239-250. https://doi. org/10.1016/j.renene.2021.02.156
Rahman MH, Voumik LC, Islam MJ, Halim MA, Esquivias MA (2022) Economic Growth, Energy Mix, and Tourism-Induced EKC Hypothesis: Evidence from Top Ten Tourist Destinations. Sustainability 14:16328. https://doi.org/ 10.3390/su142416328
Rahman MM, Henriksen UB, Ciolkosz D (2023) Startup process, safety and risk assessment of biomass gasification for off-grid rural electrification. Sci Rep 13:21395. https://doi.org/10.1038/s41598-023-46801-w
Raihan A (2024) The interrelationship amid carbon emissions, tourism, economy, and energy use in Brazil. Carbon Res 3:11. https://doi.org/10. 1007/s44246-023-00084-y
Raihan A, Tuspekova A (2022) Dynamic impacts of economic growth, renewable energy use, urbanization, industrialization, tourism, agriculture, and forests on carbon emissions in Turkey. Carbon Res 1:20. https://doi.org/ 10.1007/s44246-022-00019-z
Raihan A, Pavel MI, Muhtasim DA, Farhana S, Faruk O, Paul A (2023) The role of renewable energy use, technological innovation, and forest cover toward green development: Evidence from Indonesia. Innov Green Dev 2:100035. https://doi.org/10.1016/j.igd.2023.100035
Saboori B, Sulaiman J (2013) Environmental degradation, economic growth and energy consumption: Evidence of the environmental Kuznets curve in Malaysia. Energy Policy 60:892-905. https://doi.org/10.1016/j.enpol. 2013.05.099
Salman M, Zha D, Wang G (2022) Interplay between urbanization and ecological footprints: Differential roles of indigenous and foreign innovations in ASEAN-4. Environ Sci Policy 127:161-180. https://doi.org/10. 1016/j.envsci.2021.10.016
Saqib N (2022) Nexus between the renewable and nonrenewable energy consumption and carbon footprints: evidence from Asian emerging economies. Environ Sci Pollut Res 29:58326-58340. https://doi.org/10. 1007/s11356-022-19948-8
Stock JH, Watson MW (1993) A Simple Estimator of Cointegrating Vectors in Higher Order Integrated Systems. Econometrica 61:783. https://doi.org/ 10.2307/2951763
Tarkang ME, Adedoyin FF, Bekun FV (2023) An Investigation into the Role of Tourism Growth, Conventional Energy Consumption and Real Income on Ecological Footprint Nexus in France. Int J Renew Energy Dev 12:46-54. https://doi.org/10.14710/ijred.2023.43246
Usman M, Hammar N (2021) Dynamic relationship between technological innovations, financial development, renewable energy, and ecological footprint: fresh insights based on the STIRPAT model for Asia Pacific Economic Cooperation countries. Environ Sci Pollut Res 28:15519-15536. https://doi.org/10.1007/s11356-020-11640-z
Usman M, Makhdum MSA (2021) What abates ecological footprint in BRICS-T region? Exploring the influence of renewable energy, non-renewable energy, agriculture, forest area and financial development. Renew Energy 179:12-28. https://doi.org/10.1016/j.renene.2021.07.014
Voumik LC, Islam MA, Ray S, Mohamed Yusop NY, Ridzuan AR (2023) CO2 Emissions from Renewable and Non-Renewable Electricity Generation Sources in the G7 Countries: Static and Dynamic Panel Assessment. Energies 16:1044. https://doi.org/10.3390/en16031044
Wackernagel M, Beyers B (2019) Ecological footprint: Managing our biocapacity budget (New Society Publishers)
WDI (2023) WorldBank Development Indicator Databased. https://databank. worldbank.org/source/world-development-indicators
Yahya Y, Saleh SM, Majid MSA (2023) Effects of road infrastructure, energy consumption, and economic growth on CO2 emission in Indonesia. p 070014
Yusuf MS, Musibau HO, Dirie KA, Shittu WO (2023) Role of trade liberalization, industrialisation and energy use on carbon dioxide emissions in Australia: 1990 to 2018. Environ Sci Pollut Res 30:79481-79496. https://doi.org/10. 1007/s11356-023-27825-1
ملاحظة الناشر
تظل Springer Nature محايدة فيما يتعلق بالمطالبات القضائية في الخرائط المنشورة والانتماءات المؤسسية.
المحرر المسؤول: سو شيوينغ لام. *المراسلة: رينالدي إيدروس rinaldi.idroes@usk.ac.id تتوفر القائمة الكاملة لمعلومات المؤلف في نهاية المقال
*قيم p هي من ماكينون (1996). **عدد الاتجاهات العشوائية (stoc.) في التوزيع اللانهائي. تمثل Obs. الملاحظات، وتمثل RV تباين البقايا، وتمثل SE الخطأ المعياري
b و تشير إلى مستويات الدلالة عند و، على التوالي
و تشير إلى مستوى الدلالة عند و، على التوالي. () و () تدل على السببية أحادية الاتجاه، () تشير إلى السببية ثنائية الاتجاه، و() تشير إلى عدم وجود سببية
The global trend of environmental degradation, marked by escalating carbon dioxide ( ) emissions and expanding ecological footprints, poses a significant risk to the planet and leads to global warming. This decline in the environment is primarily attributed to the extensive use of non-renewable energy sources and substantial economic activities. This study investigates the dynamic impact of non-renewable energy (coal, gas, and oil), renewable energy, economic growth, and capital formation on emissions and the ecological footprint in Indonesia spanning from 1965-2022. Employing Fully Modified Ordinary Least Squares (FMOLS), Ordinary Least Squares (DOLS), and a robustness test with Canonical Cointegrating Regression (CCR) techniques, we seek to establish long-term associations among the studied variables. Preliminary findings, supported by our primary models, reveal that every increase in coal and gas directly results in higher emissions but does not affect ecological footprints. Conversely, every increase in oil affects the rise of ecological footprints but not emissions. Meanwhile, the rise in renewable energy will reduce both emissions and ecological footprints, consequently enhancing Indonesia’s environmental quality. Furthermore, increasing economic growth will increase both emissions and ecological footprint, while the rise in capital formation reduces the ecological footprint. The Granger causality test showed unidirectional causality from emissions to renewable energy and also revealed bidirectional causality between ecological footprint and renewable energy. This study clarifies the patterns of energy emissions in Indonesia and provides policymakers with recommendations for maintaining environmental sustainability, including investing in renewable energy use and transitioning away from non-renewable energy, given the pressing climate challenges and the goal of achieving carbon neutrality.
Highlights
Renewable energy is a key sector for enhancing environmental quality in Indonesia.
This study explores the potential factors for reducing emissions and ecological footprint in Indonesia.
The FMOLS and DOLS methods have been applied to time series data, supported by a robustness test using CCR.
The results provide a clearer insight into how renewable energy can help decrease both emissions and the ecological footprint, whereas non-renewable energy exacerbates these issues in Indonesia.
This study offers policy recommendations to help achieve environmental sustainability and carbon neutrality.
The onset of the twenty-first century has witnessed an unprecedented global challenge in the form of climate change and global warming, primarily driven by rising carbon dioxide ( ) emissions and expanding ecological footprints (Ansari 2022; Rahman 2022; Acaroğlu et al. 2023; Hardi et al. 2023; Li et al. 2023). In the backdrop of escalating global environmental challenges, the importance of understanding the dynamic interplay between energy consumption and environmental impact cannot be overstated. The onset of these challenges is marked by the alarming increase in emissions and the expansion of ecological footprints, a phenomenon intricately linked to global warming and posing significant risks to the planet’s health (Adebayo and Kirikkaleli 2021; Rahman et al. 2021b, 2023; Ansari 2022). Central to this dilemma is the extensive reliance on nonrenewable energy sources, which have led to substantial
environmental degradation despite their contribution to economic development (Kartal et al. 2023). This study situates itself within the context of these global concerns, with a focused lens on Indonesia, a region that epitomizes the struggle between developmental aspirations and environmental sustainability. Southeast Asia, particularly Indonesia, stands at a crucial juncture where rapid economic growth has been paralleled by an intensifying energy demand, predominantly met through non-renewable sources like coal, oil, and gas (Munir et al. 2020; Idroes et al. 2023b; Hardi et al. 2024; Kostakis 2024). This energy consumption pattern not only contributes to rising emissions but also exacerbates the ecological footprint, highlighting a critical conflict at the heart of modern development: the balance between economic progress and ecological preservation (Nathaniel 2021; Rahman et al. 2021a; Salman et al. 2022; Idroes et al. 2023a). Indonesia’s environmental profile is particularly
telling. As a nation grappling with a bio-deficit, where the ecological footprint overshadows the bio-capacity, Indonesia ranks among the top countries globally with a significant ecological footprint. This situation underscores the urgency to delve deeper into the country’s energy consumption patterns and their environmental repercussions. However, a noticeable gap in the existing literature is the lack of comprehensive studies that simultaneously address the dual aspects of environmental impact of emissions and the ecological footprint in the context of Indonesia. While there is substantial research focusing on either of these aspects, a holistic view that encompasses both remains scarce.
Expanding upon the background of the study, it delves into the multifaceted relationship between energy consumption and environmental impact, with a special focus on the Southeast Asian context, particularly Indonesia. This region, amid rapid economic and population growth, is experiencing an increase in energy demands, predominantly met by fossil fuels. This reliance is not without consequence, as it substantially contributes to the growing ecological footprint and emissions a link that is becoming increasingly undeniable. Indonesia, as a significant player in the Southeast Asian energy landscape, stands at the forefront of this environmental challenge. Accounting for of the region’s energy consumption, the country’s energy mix is heavily skewed towards coal, which comprises of its total energy consumption, followed by oil and gas. This is in stark contrast to the minimal contribution of renewable energy sources like wind and solar, which currently constitute less than 1% of Indonesia’s energy profile (IEA 2022). The National Electricity Supply Business Plan of Indonesia further underscores the ongoing reliance on coal, projecting an annual energy demand growth of for the period 2021-2030, with coal continuing to dominate the energy sector (ESDM 2021). This heavy dependence on coal and other non-renewable resources is not without its repercussions. As depicted in historical data trends, there has been a significant and consistent rise in Indonesia’s emissions per capita since the mid-twentieth century. This escalation in emissions is reflective of broader global patterns, where increased energy consumption, driven by expanding production and a growing global population, contributes to escalating ecological footprints and exacerbates global warming issues (Adebayo and Kirikkaleli 2021; He et al. 2021; Rahman and Majumder 2022; Raihan 2024).
Moreover, Indonesia’s environmental challenges are further compounded by its ecological footprint. The concept of the ecological footprint, which measures the demand on Earth’s ecosystems, reveals that Indonesia faces a bio-deficit situation. Its ecological footprint
exceeds its bio-capacity, placing it among the top ten countries globally with the highest ecological footprints (Kurniawan et al. 2023; Pata et al. 2021; Pirmana et al. 2021; Wackernagel and Beyers 2019). This alarming situation underscores the urgency to reevaluate and reform the country’s energy consumption patterns and environmental policies. In response to these challenges, Indonesia has initiated measures to mitigate its environmental impact. The Institute for Essential Services Reform reports on the country’s target to reach an accelerated peak in emissions in the power sector by 2030, with an ambitious goal of achieving net-zero emissions by 2050. Key strategies include increasing renewable energy generation to at least by 2030 and implementing early retirement plans for coal power plants (IESR 2022). Based on Fig. 1, a significant trend in Indonesia’s environmental impact is evident. The trajectory of the nation’s emissions per capita from 1889 to 2022 showcases a marked escalation. Initially characterized by relatively low emission levels, there emerged a distinct and steady uptick commencing around the mid-twentieth century. This upward trend culminated in a considerable elevation of emissions per individual by the year 2022. This pattern underscores a pivotal shift in Indonesia’s emissions over the course of more than a century, highlighting the growing environmental concerns associated with its developmental trajectory.
The recent literature provides a comprehensive understanding of the global and regional trends in energy consumption and their environmental impacts. These studies collectively contribute to a nuanced understanding of the dynamic relationship between different forms of energy consumption and their ecological consequences. The relationship between renewable and non-renewable energy use, economic growth, and carbon footprints in Asian emerging economies has been investigated by both Saqib (2022) and Ali et al. (2023). Their findings indicate that although economic expansion and non-renewable energy consumption exacerbate environmental degradation, increasing the use of renewable energy sources can slowly mitigate these impacts over time. Both studies highlight the pressing need for these economies to switch to renewable energy and improve efficiency in order to reduce their carbon footprints. In a study focusing on the G7 countries, Voumik et al. (2023) employed static and dynamic panel assessments and found that renewable energy reduces emissions, while nonrenewable energy boosts them. Their study recommends shifting towards renewables and hydroelectric sources to lower emissions. Arshad et al. (2020) contributed to this discourse with an empirical investigation into the impacts of renewable and non-renewable energy on environmental quality in South and Southeast Asian
Fig. emissions annual per capita in tonnes trend in Indonesia. Source: Our World In Data
countries. Utilizing the cross-sectionally augmented ARDL modeling approach, the study underscores that renewable energy enhances the quality of the environment while non-renewable energy worsens it in these regions.
Furthermore, adding to the African perspective, a study by Khan et al. (2023) was conducted in 41 Sub-Saharan countries, focusing on the interplay of renewable and non-renewable energy sources alongside economic factors in shaping environmental quality across the region. Their findings underscore the pivotal role of renewable energy in enhancing environmental conditions, contrasting with the detrimental impact of fossil fuel consumption on the environment. Finally, this study investigated the role of institutional quality, renewable, and nonrenewable energy on the ecological footprint of OECD countries. It suggests that institutions and renewable energy can leverage environmental sustainability, emphasizing the importance of governance and policy in environmental management (Christoforidis and Katrakilidis 2021; Chang et al. 2024). As illustrated in Fig. 2, Indonesia’s bio-capacity exhibits a declining trend over time, accompanied by a corresponding increase in its ecological footprint.
The significance of this research lies in its comprehensive approach to analysing the interplay between various energy sources, economic growth, and environmental impact in Indonesia. By examining both non-renewable and renewable energy sources, alongside factors like economic growth and capital formation, the study aimed to provide a deeper understanding of their effects on emissions and ecological footprint over an extensive period from 1965 to 2022. This research is pivotal in offering data-driven recommendations to policymakers, industry leaders, and stakeholders, thereby guiding Indonesia-and potentially other nations facing similar
challenges-towards a future where economic development is harmonized with ecological preservation. The findings of this study were poised to contribute significantly to global efforts in combating climate change and promoting sustainable development, serving as a potential blueprint for environmental policy and energy management.
2 Literature review
The existing body of literature on the determinants of emissions and ecological footprint offers a multifaceted view, encompassing aspects such as energy utilization, economic growth, and capital allocation. However, a critical analysis of these studies reveals varying insights and gaps, particularly in the context of Indonesia.
Significant portion of the research has focused on the impact of different energy sources on emissions and environmental quality. Studies by Bhat (2018), Ito (2017), and Ben Jebli et al. (2016) presented a consensus that non-renewable energy sources, such as coal, oil, and gas, are primary contributors to increased emissions. This view was further supported by AlNemer et al. (2023) and Chen et al. (2019), who highlighted the detrimental impact of these energy types on environmental quality. In contrast, renewable energy sources are consistently shown to mitigate these emissions, a finding echoed in the works of Idroes et al. (2023b). These studies collectively underscore the critical role of energy type in influencing emissions, suggesting a clear dichotomy between the environmental impacts of renewable and non-renewable energy sources. The relationship between economic growth and ecological footprint has been another area of focus. Salman et al. (2022), Destek and Sinha (2020) and Nathaniel and Khan (2020) found that economic growth often leads to increased ecological footprint, primarily through the heightened use of
Fig. 2 Ecological footprint and bio capacity trend in Indonesia. Source: Global Footprint Network
non-renewable energy. Ehigiamusoe et al. (2023) added to this discourse by illustrating the mitigating effect of renewable energy utilization on the ecological footprint. These studies present a complex interplay between economic activities and environmental impact, highlighting the need for sustainable economic models that align with ecological preservation.
Specific to Indonesia, the research landscape becomes more nuanced. Massagony and Budiono (2023) asserted that fossil energy consumption is a significant driver of emissions in Indonesia, a view that finds support in the empirical findings of Raihan et al. (2023). These studies suggest a direct correlation between Indonesia’s economic development and its emissions, with renewable energy playing a critical role in offsetting these emissions. Furthermore, Yahya et al. (2023), Idroes et al. (2023b), and Pujiati et al. (2023) utilized the Autoregressive Distributed Lag (ARDL) model to demonstrate that Indonesia’s emissions are closely tied to its energy consumption patterns and economic growth. Idroes et al. (2023c) added a different dimension by exploring the impact of biomass and geothermal energy on emissions, indicating that not all renewable sources have the same environmental implications.
Recent research has illuminated the intricate links between renewable and non-renewable energy sources, ecological footprint, and various socio-economic factors within the discourse on energy consumption’s environmental impact. These insights play a vital role in refining our comprehension of sustainable environmental management across diverse global contexts. Adekoya et al. (2022) studied this nexus in net-oil exporting and importing nations. Their study delved into how the
reliance on oil, whether as a major export or import, influenced the ecological implications of energy consumption. This research is significant in highlighting the different environmental impacts in countries based on their oil trade status, offering vital policy implications for balancing energy mix to sustainably manage their ecological footprints. Further expanding the scope of this discussion, Dogan et al. (2022) presented a study focusing on South Asian economies, examining the relationship between ecological footprint, unemployment, and both types of energy consumption. Their inclusion of unemployment as a variable in analyzing environmental impacts provides a broader socio-economic perspective. This approach reveals the complex interplay between labor market dynamics and energy consumption patterns, offering insights into the multifaceted challenges faced by developing economies in the region in pursuing sustainable development. Complementing these studies, Amin and Song (2022) conducted a comparative analysis in SEA countries, analyzing the impact of renewable and non-renewable energy in achieving carbon neutrality. Their work stands out for its comprehensive inclusion of factors like trade, economic growth, and urbanization. This comparative approach offers a regional perspective on strategies for achieving carbon neutrality, emphasizing how different Asian regions are addressing the challenges posed by energy consumption, economic and urban development in their quest for environmental sustainability.
Expanding on the theme of ecological footprint, a subset of studies has honed in on this aspect, particularly within the Indonesian context, offering insights that complement the broader understanding of environmental
impacts. In these studies, the relationship between economic activities, energy consumption, and their effects on ecological footprint takes center stage. Nathaniel (2021) delved into this interplay, uncovering how environmental degradation in Indonesia was not only a consequence of economic growth but also of increased energy consumption. This study is pivotal in establishing a one-way causal relationship where economic growth directly leads to an escalation in the ecological footprint. This finding is critical as it emphasizes the environmental cost of economic expansion in a developing nation like Indonesia. Furthering this discourse, Chien et al. (2023) employed the Quantile ARDL Model to dissect the nuances of this relationship. Their research uncovered that the impact of economic growth on the ecological footprint is not uniform but varies across different levels of economic activity. This positive association between economic growth and ecological footprints across various quantiles presents a more complex and layered understanding of the issue, suggesting that the environmental impact of economic growth might be more significant at certain stages of economic development than others. Kurniawan et al. (2023) contributed a different perspective using Vector Error Correction Model (VECM) analysis. Their study revealed a rapid short-term adjustment in environmental damage in Indonesia, quantified at , in response to imbalances in industrial value-added and energy consumption. This rapid response underscored the sensitivity of Indonesia’s environment to economic and energy consumption changes. In the long term, they identified non-renewable energy consumption as a major contributor to the ecological footprint, quantified at in 2060, while renewable energy sources were shown to mitigate this impact. This distinction between the shortterm and long-term effects offers a deeper understanding of how different energy sources influence Indonesia’s ecological footprint over time. Despite these insightful contributions, a gap remains in the literature regarding the simultaneous examination of emissions and ecological footprint within a single study, particularly in the Indonesian context. This research gap presents a unique opportunity, one that has been explored in different geographical contexts by researchers like Bello et al. (2018) in Malaysia, Pata (2021) in BRICS countries, AcevedoRamos et al. (2023) in Colombia, Acaroğlu et al. (2023) in Turkey, Ansari (2022) in ASEAN nations, and Li et al. (2023) in 130 countries. These studies have successfully integrated the analysis of both emissions and ecological footprint, offering a more holistic view of environmental impact.
Despite these extensive studies, there exists a notable gap in the simultaneous examination of the impacts of energy consumption on both emissions and
ecological footprint, especially in Indonesia. This gap necessitates a comprehensive study that integrates these aspects to provide a more holistic understanding of Indonesia’s environmental challenges. The hypothesis, therefore, is that in Indonesia, the type of energy con-sumed-renewable or non-renewable-has a significant and differential impact on both emissions and the ecological footprint. This study aimed to test this hypothesis by critically examining the relationships between energy consumption, economic growth, and their collective impact on the environment, thereby contributing to the existing literature and offering insights for sustainable policy development.
3 Methodology
3.1 Data and variables summary
This study employed yearly data from Indonesia spanning 1965 to 2022. Data on emissions, non-renewable, and renewable energy were acquired from Our World in Data (OWID 2023). Economic growth and capital formation data were sourced from the World Development Indicators of the World Bank (WDI 2023). Additionally, data on ecological footprint were obtained from the Global Footprint Network (GFN 2023). Table 1 provides a comprehensive overview of the variables. To address potential heteroscedasticity, all data underwent a transformation into natural logarithms.
3.2 Theoretical framework and empirical model
The theoretical framework widely employed across energy economics literature utilizes emissions and ecological footprint as a proxy for environmental degradation, establishing linkages between different energy sources and sustainability outcomes. Specifically, comparisons are often made between renewable energy sources (e.g., solar, wind, and hydroelectric) and nonrenewable fossil fuel-based sources (e.g., coal, oil, and natural gas) in terms of both environment effect and broader economic impacts such as GDP growth, capital investment, and energy security, among other macroeconomic variables. This allows analyses to quantify environmental and economic trade-offs for various energy policy decisions, ranging from electricity generation using nonrenewable energy sources to the impact of economic growth on the environment. By employing emissions and ecological footprint as common lenses, the energy economics field has developed standardized models for comparing environmental externalities alongside economic costs and benefits for diverse energy planning scenarios, aiming to achieve sustainable development and carbon neutrality.
Table 1 Variable descriptions
Variables
Desc & Log F
Units
Objectives
Sources
emissions (InCO2)
Millon tonnes
To assess the environmental impact in terms of the volume of greenhouse gases released into the atmosphere due to activities such as fossil fuel combustion
OWID
EF
Ecological footprint (InEF)
Total ecological footprint
To quantify the demand on earth’s ecosystems and evaluate the sustainability of consumption by measuring the natural resources consumed and waste produced, along with its environmental implications
GFN
COAL
Coal (InCOAL)
Share of primary energy (%)
OWID
OIL
Oil (InOIL)
To quantify the contributions of coal, oil, and gas to the energy sector and their environmental consequences as significant sources of emissions
RE
Renewable energy (InRE)
Share of primary energy (%)
To examine how the adoption of renewable energy sources contributes to the reduction of environmental impacts, offering a more sustainable alternative to fossil fuels
OWID
GDP
Economic growth (InGDP)
Constant LCU
To measure the total market value of all goods and services produced within a country’s borders over a specific time period
WDI
GFCF
Gross fixed capital formation (InGFCF)
Constant LCU
To measure the total value of investments in fixed assets, such as machinery and infrastructure, within a country’s borders over a specific time period
WDI
Desc & Log F Description and logarithmic form, OWID Our World in Data, GFN Global Footprint Network, WDI World Development Indicators, LCU Local currency units
This study employed the Cobb-Douglas production function framework to investigate the hypothesis proposed by Cobb and Douglas (1928). Focusing on the context of Indonesia, it applied conventional production economics to examine the impact of non-renewable energy, renewable energy, economic growth, and capital formation on emissions and ecological footprint. By assuming a constant rate of return and utilizing the standard Cobb-Douglas production function, the cumulative output function can be derived as follows (Eq. 1):
where and represent economic growth, capital and labor at time t .
This study employed an empirical model previously examined by Bello et al. (2018), Pata (2021), Acevedo-Ramos et al. (2023), Acaroğlu et al. (2023), and Li et al. (2023) to explore the impact of economic variables on the environment. Their study uniquely integrated the analysis of both emissions and ecological footprints, allowing for a comprehensive examination of environmental impact within a singular study. Furthermore, we modified our own model to examine the dynamic impact of non-renewable energy, renewable energy, economic growth, and capital formation on emissions and ecological footprint. To achieve this aim, the initial function is presented as Eqs. (2)-(3).
Where is the emissions at time is the ecological footprint at time is the non-renewable energy at time is renewable energy at time is economic growth at time , and is capital formation at time .
Furthermore, we divided the non-renewable energy variable into three distinct variables: COAL, OIL, and GAS. Each of these was subject to its own regression analysis to evaluate their direct impact on emissions and the ecological footprint. Additionally, we introduced the “[]” symbol to abbreviate the function in the equation, signifying that there were three regressions involving the variables coal, oil, and gas, represented as Model 1, Model 2, and Model 3 respectively. The economic model is detailed in Eqs. (4) and (5).
Additionally, Eq. (4)-(5) can be expanded into the econometric model represented by Eqs. (6)-(7).
where, the term represents the intercept, and denotes the error term, while are the respective coefficients. Additionally, Eqs. (6) and (7) have been converted into logarithmic form, as shown in Eqs. (8) and (9), for time series analysis.
cointegration suggested that, despite short-term discrepancies, there is a consistent long-term relationship between the variables, which is a vital aspect for our subsequent analysis and predictive modeling in time series data.
3.4 Dynamic tests with FMOLS and DOLS
In this study, we employ the Fully Modified Ordinary Least Squares (FMOLS) and Dynamic Ordinary Least
where , , and represent the logarithmic forms of emissions, ecological footprint, non-renewable energy (coal, oil, and gas), renewable energy, economic growth and capital formation at time , respectively. Prior to performing regression analysis, various tests must be conducted, including unit root tests to assess data stationarity and cointegration tests to examine long-term relationships.
3.3 Unit root and cointegration tests
This section focuses on applying the Augmented DickeyFuller (ADF) and Phillips-Perron (PP) tests to assess the stationarity of our time series data (Dickey and Fuller 1979; Phillips and Perron 1988). The ADF test, which adds lagged differences to an autoregressive model to check for a unit root, and the PP test, known for its robustness to heteroskedasticity, both aim to determine whether the time series is stationary (alternative hypothesis) or has a unit root and is non-stationary (null hypothesis). We compared the generated test statistics against critical values to conclude stationarity; rejecting the null hypothesis suggested stationarity, guiding our subsequent methodological choices in the analysis. In this section, after establishing that the data was stationary in the first difference, we continued to explore cointegration within our time series data using the Johansen cointegration test by Johansen (1988) and Engle-Granger cointegration test by Engle and Granger (1987). These tests are pivotal in identifying long-term equilibrium relationships among non-stationary time series. The Johansen test is adept at handling multiple time series and is used to ascertain the number of cointegrating relationships. The Engle-Granger test, suitable for pairs of series, involves estimating the long-run relationship between series and then examining the stationarity of the residuals. The presence of
Squares (DOLS) methodologies to estimate the longterm relationships in our cointegrated time series data. FMOLS is tailored to address the challenges of serial correlation and endogeneity that often accompany cointegrated systems, refining the least squares estimation for more dependable long-term coefficient estimates (Phillips and Hansen 1990). Meanwhile, DOLS, with its augmented regression approach that includes leads and lags of the first differences of regressors, effectively mitigates feedback in the cointegrating equation and counteracts potential endogeneity and sample bias issues. This method is particularly robust in small sample scenarios, providing consistent and efficient estimators (Stock and Watson 1993). By integrating FMOLS and DOLS into our analysis, we aimed to extract precise and comprehensive insights about the long-term dynamics between the variables in our study, thereby enhancing the overall reliability and depth of our time series analysis.
3.5 The robustness test with CCR
This study further reinforced the findings by conducting a robustness test using the Canonical Cointegrating Regression (CCR) method. CCR is particularly adept at addressing issues of simultaneity and endogeneity in cointegrated relationships, which are common challenges in time series analysis (Park 1992). This approach enhances the robustness of our estimates by utilizing a fully modified OLS framework that corrects for both serial correlation and endogeneity biases. By incorporating CCR, we ensured that our analysis accounted for any potential distortions in the long-term relationships identified. The application of CCR was especially crucial in validating the consistency and reliability of our findings, providing an additional layer of confidence in the results
of our FMOLS and DOLS estimations. Employing this robustness test underscored our commitment to a thorough and nuanced analysis, ensuring that the conclusions drawn from our study are not only insightful but also stand firm against rigorous statistical examination.
3.6 Pairwise Granger causality
This study extended analysis to include pairwise Granger causality tests, a crucial step in understanding the directional dynamics between the variables in our time series data (Granger 1969). Granger causality operates on the principle that if variable X Granger-causes variable Y, then past values of should provide predictive information for Y beyond what is contained in past values of Y alone. It’s crucial to recognize that Granger causality does not imply genuine causation in the philosophical sense, but rather denotes a predictive association.
The pairwise Granger causality approach involves testing each possible pair of variables in our dataset to determine whether one variable can be used to predict another. This method is particularly useful in uncovering the dynamic interdependencies and influence mechanisms among the variables, which might not be apparent from standard correlation analysis or cointegration tests. The results from these tests could provide valuable insights into the temporal precedence and potential influence pathways among the variables, thereby enriching our understanding of the complex interactions within our time series data. Integrating the pairwise Granger causality tests into our study was instrumental in drawing a more comprehensive and nuanced picture of the relationships and interactions at play in our analysis.
3.7 Summary of the stages of the analysis process
The summary of the methodology states that the statistical process for analyzing time series data, as presented in Fig. 3 (the flowchart of analysis), began with a unit root test (ADF and P-P) to determine if the data were stationary. If the data were stationary, a cointegration test (Johansen and Engle-Granger test) was applied to check for long-term equilibrium relationships between variables. For data that were found to be cointegrated, regression analysis follows using methods FMOLS and DOLS, followed by robustness tests with CCR. Furthermore, the causality test (pairwise Granger causality) is used to picture the relationships and interactions in our analysis. The process included a diagnostic inspection to validate the regression model before concluding the analysis.
4 Empirical findings
4.1 Descriptive statistics
The descriptive statistical results presented in Table 2 offer a comprehensive summary of eight important economic
variables based on 58 observations. The descriptive statistical analysis of the dataset revealed that and EF exhibited similar distributions, with means around , indicating significant environmental impacts across the sampled entities. COAL, OIL, and GAS showed considerable variability, with means of 12.43, 60.43, and 22.64, respectively. Notably, COAL displayed a particularly wide range of values, as evidenced by its high standard deviation. Additionally, RE exhibited lower mean usage at 4.48, suggesting lesser adoption or production across the observations. In economic terms, GDP had a notably high mean of , with a substantial standard deviation reflecting economic disparity, while GFCF showed a lower mean of , indicating a varied level of capital investments. This concise overview underscores the disparities in environmental and economic indicators within the dataset, highlighting the necessity for targeted analysis in areas with extreme values.
4.2 The results of unit root and cointegration tests
The unit root test results in Table 3 show that all variables were non-stationary at levels but became stationary in the first difference. The tests’ significance at the level across the ADF and P-P methods confirmed this behavior consistently. When considered collectively, the various unit root tests consistently indicated that the variables were of first-order integration. Determining the order of integration for these variables formed the basis for accurately specifying the cointegration framework in subsequent parts of the analysis.
On the other hand, the Johansen cointegration test results presented in the Table 4 indicate that the null hypothesis of no cointegration was strongly rejected for zero up to five cointegrating relationships ( , and ) as evidenced by the significant Fisher statistics from the trace test, while the max-eigen test only reject the null hypothesis for zero , with -values below the 0.05 threshold. This suggests the presence of at least one cointegrating relationships among the variables tested. However, for hypotheses testing more than five cointegrating relationships ( and ), the statistics were not significant, indicating that the null hypothesis could not be rejected. Therefore, it was concluded that there were five longterm equilibrium relationships within the dataset.
Table 5 presents Engle-Granger cointegration test results, which rejected the null hypothesis of no cointegration. All variables exhibited cointegration, supported by negative tau- and z-statistics. Rho standard error represents the corrected coefficient standard error, while residual variance estimates long-term variance. The presence of cointegration encouraged further analysis with FMOLS and DOLS methods to estimate long-run coefficients.
Fig. 3 The flowchart of the analysis
Table 2 Descriptive statistics
Variable
Mean
Median
Max
Min
Std. Dev.
Obs.
CO2
23,374,952
58
EF
58
COAL
12.43654
7.374517
44.80842
0.523673
12.21011
58
OIL
60.43200
58.10882
88.92363
31.35269
15.47422
58
GAS
22.64878
24.31117
33.86889
6.004779
7.763655
58
RE
4.482683
3.677902
11.57067
1.140681
2.737193
58
GDP
58
GFCF
58
Table 3 The results of ADF and P-P unit root test
Variables
Augmented Dickey-Fuller (ADF)
Phillips-Perron (P-P)
Individual intercept
Individual intercept & trend
Individual intercept
Individual intercept & trend
t-stat.
Prob.
t-stat.
Prob.
t-stat.
Prob.
t-stat.
Prob.
At level
InCO2
-1.8963
0.3318
-1.7282
0.7257
-4.7479
0.0003
-1.4114
0.8471
InEF
0.1029
0.9633
-4.5891
0.0027
0.9607
0.9957
-4.3371
0.0056
InCOAL
0.0270
0.9569
-2.3543
0.3988
-0.0702
0.9474
-2.4455
0.3532
InOIL
0.8576
0.9942
-2.0076
0.5847
1.0733
0.9968
-1.9711
0.6042
InGAS
-2.4672
0.1289
-0.7630
0.9624
-2.6867
0.0826
-1.2769
0.8836
InRE
-1.2621
0.6412
-3.3824
0.0647
-1.3879
0.5820
-1.5308
0.8072
InGDP
-1.9728
0.2978
-1.9982
0.5895
-1.9728
0.2978
-1.4727
0.8275
InGFCF
-4.3292
0.0010
-2.0383
0.5679
-2.9312
0.0480
-1.7386
0.7209
At first difference
InCO2
-7.5280
0.0000
-8.0744
0.0000
-7.5335
0.0000
0.0000
InEF
0.0000
-6.5320
0.0000
0.0000
-15.580
0.0000
InCOAL
-6.1195
0.0000
-6.1880
0.0000
-6.1309
0.0000
-6.2028
0.0000
InOIL
-7.5427
0.0000
-7.7252
0.0000
-7.5427
0.0000
-7.7256
0.0000
InGAS
-4.7723
0.0003
-5.6966
0.0001
-7.4225
0.0000
-9.1155
0.0000
InRE
-8.0198
0.0000
-8.4544
0.0000
-7.9956
0.0000
0.0000
InGDP
-5.5416
0.0000
0.0001
-5.5416
0.0000
-5.8006
0.0001
InGFCF
-5.1909
0.0001
-6.4675
0.0000
-5.2334
0.0001
-5.4638
0.0002
indicates significance at the 0.01 level
4.3 The results of diagnostic and parameters stability tests
Table 6 details diagnostic tests for statistical models related to emissions and ecological footprints. The table indicates that both models have high R-squared values, signifying strong explanatory power. The Jarque-Bera test outcomes, with -values above 0.05 , confirmed that the residuals were normally distributed. Serial correlation was absent, as suggested by the Breusch-Godfrey LM test results, and both the Breusch-Pagan-Godfrey test and the Harvey and
Glejser tests indicated no heteroscedasticity, with -values exceeding the 0.05 threshold. The Ramsey test results, with -values also above 0.05 , affirm that the models were correctly specified. Furthermore, the accompanying CUSUM charts for both and ecological footprint, presented in Fig. 4, show cumulative sum lines comfortably within the significance bounds, illustrating the models’ parameter stability from 1965 to 2022. Collectively, these results support the statistical robustness and reliability of the models over the examined period.
Table 4 The Results of Johansen Cointegration Test
Null Hypothesis
Fisher Stat.* (from trace test)
Prob.
Fisher Stat.* (from maxeigen test)
Prob
0.0000
0.0012
0.0001
41.8815
0.0624
0.0013
33.3841
0.1140
0.0076
22.5789
0.3424
0.0110
19.1432
0.2069
0.0216
15.4178
0.1101
11.6551
0.0644
7.7867
0.1885
3.8684
0.0584
3.8684
0.0584
indicates hypothesis rejection at the 0.05 level
4.4 The results of DOLS, FMOLS and CCR
4.4.1 FMOLS and DOLS of emissions
Table 7 presents the FMOLS and DOLS estimations for emissions across three econometric models, each exploring the impact of various independent variables. In Model 1, a increase in COAL led to a (FMOLS) and (DOLS) rise in emissions. Model 2 found that OIL was statistically insignificant in relation to emissions. Conversely, Model 3 shows that a increase in GAS corresponded to a statistically significant (FMOLS) and (DOLS) increase in emissions. Moreover, renewable energy (RE) consistently exerted a negative impact on emissions in all three
models. A rise in RE resulted in a reduction of emissions by (FMOLS) and (DOLS) in Model 1, 0.1772% (FMOLS) and 0.1917% (DOLS) in Model 2, and (FMOLS) and (DOLS) in Model 3. Additionally, economic growth (GDP) significantly and positively influenced emissions. A increase in GDP resulted in a rise of emissions by (FMOLS) and (DOLS) in Model 1, 1.0508% (FMOLS) and 1.0002% (DOLS) in Model 2, and (FMOLS) and 1.5375% (DOLS) in Model 3. Finally, capital formation (GFCF) was only significant in Model 3, where a 1% increase in GFCF reduced emissions by (FMOLS) and (DOLS). Overall, renewable energy consistently reduced emissions across all models. Increases in GDP correlate with substantial emission increases. The impact of coal, oil, and gas varies but generally indicates that fossil fuel consumption elevates emissions, underscoring the complex interplay between economic activity, energy consumption, and environmental impact.
4.4.2 FMOLS and DOLS of ecological footprint
The analysis examined the influence of energy consumption and economic indicators on the ecological footprint (EF), as outlined in Table 8. In Model 1, COAL demonstrated a positive effect on EF, although statistically insignificant. Model 2 introduced OIL, revealing a significant positive impact on EF; a 1% increase in OIL raises EF by (FMOLS) and (DOLS). Conversely, Model 3 found gas to be insignificantly related to EF.
Table 5 The results of Engle-Granger cointegration test
Dependent
Tau-stat.
Prob.*
z-stat
Prob.*
InCO2
-3.57
0.7459
-21.53
0.7324
InEF
-6.80
0.0036
-96.24
0.0000
InCOAL
-3.62
0.7255
-20.04
0.7961
InOIL
-2.30
0.9904
-16.86
0.9028
InGAS
-3.49
0.7771
-23.69
0.6302
InRE
-4.17
0.4735
-26.44
0.4935
InGDP
-6.68
0.0049
-99.17
0.0000
InGFCF
-4.91
0.1830
-36.19
0.1264
Intermediate results of the Engle-Granger cointegration test
Fig. 4 The parameters stability test with CUSUM for emissions (a) and ecological footprint (b)
Table 7 Results of FMOLS and DOLS estimations for emissions
Variable
Model 1
Model 2
Model 3
FMOLS
DOLS
FMOLS
DOLS
FMOLS
DOLS
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
InCOAL
(2.3819)
(2.4812)
–
–
–
–
InOIL
–
-0.4259 (-1.2864)
-0.5192 (-0.9548)
–
–
InGAS
–
–
–
(3.4100)
(3.4555)
InRE
(-4.1709)
(-4.1378)
(-3.5416)
(-3.0069)
(-3.3478)
-0.1328 (-3.1675)
InGDP
(5.9308)
(5.5031)
(4.9728)
(3.6286)
(9.6668)
(8.3412)
InGFCF
-0.0104 (-0.0926)
-0.0130 (-0.1055)
-0.0254 (-0.2096)
-0.0056 (-0.0382)
(-2.3606)
(-2.3851)
C
-17.4618
-16.5924
-15.6480
-14.0460
-24.0117
-24.7915
Table 8 Results of FMOLS and DOLS estimations for ecological footprint
Variable
Model 1
Model 2
Model 3
FMOLS
DOLS
FMOLS
DOLS
FMOLS
DOLS
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
InCOAL
0.0110 (1.2148)
0.0167 (1.4937)
–
–
–
–
InOIL
–
–
(2.1375)
(2.2067)
–
–
InGAS
–
–
–
–
-0.0118 (-0.6535)
0.0053 (0.2157)
InRE
(-2.1408)
-0.0444 (-2.8212)
-0.0084 (-0.7011)
-0.0137 (-0.9618)
-0.0232 (-1.8618)
(-2.0392)
InGDP
(16.9381)
(14.3582)
(18.3388)
(15.4263)
(16.6792)
(13.7995)
InGFCF
-0.2747 (-8.7141)
-0.2583 (-6.8435)
-0.2934 (-10.1773)
-0.2880 (-8.7889)
-0.2661 (-7.1366)
-0.2845 (-5.8874)
C
-1.0168
-0.6839
-4.2644
-5.7548
-1.4507
-1.8610
, , and indicate significance levels at , and , respectively
Renewable energy significantly reduced EF in Model 1; a 1% increase led to a 0.0260% (FMOLS) and 0.0444% (DOLS) decrease in the ecological footprint. Moving on to Model 2, the impact of renewable energy became insignificant, but in Model 3, it significantly reduced EF, with a 1% increase resulting in a (FMOLS) and (DOLS) decrease in EF. Moreover, economic growth (GDP) consistently and significantly positively influenced EF. A 1% increase in GDP led to a rise in EF by (FMOLS) and (DOLS) in Model 1, (FMOLS) and 0.9492% (DOLS) in Model 2, and (FMOLS) and 0.8673% (DOLS) in Model 3. Finally, capital formation (GFCF) exerted a negative influence on EF across all models. A 1% increase in GFCF reduced EF by (FMOLS) and (DOLS) in Model 1, 0.2934% (FMOLS) and 0.2880% (DOLS) in Model 2, and 0.2661% (FMOLS) and 0.2845% (DOLS) in Model 3. These results indicate that economic growth, as measured by GDP, tends to increase EF, highlighting a potential environmental cost of development. Conversely, investments in renewable energy and capital formation appear to mitigate EF, emphasizing their roles in environmental sustainability. The significance of these variables varies, reflecting diverse economic structures and energy consumption patterns.
4.4.3 The robustness test with CCR of CO2 emissions and ecological footprint
The CCR result shown in Table 9 has been applied as a robustness test to validate the results from FMOLS and DOLS analyses concerning emissions and the
ecological footprint. The CCR analysis reaffirmed the robustness of the earlier FMOLS and DOLS findings. Specifically, for emissions, the CCR method corroborated the positive impact of coal and gas on emissions and the negative impact of renewable energy on emissions across all models, with the coefficients being significant. The increasing and significant coefficients for GDP across CCR models also confirmed the robust positive impact of economic growth on emissions identified in the FMOLS and DOLS models. The CCR results showed a significant negative impact of capital formation on emissions in the third model, aligning with the negative coefficients observed in the earlier analyses.
In the context of the ecological footprint, the CCR findings were consistent with the non-significant impact of coal and gas, the significant positive impact of oil in the second model, and the significant negative impact of renewable energy in the first and third models, aligning well with the FMOLS and DOLS results. Moreover, the CCR confirmed the positive impact of GDP on the ecological footprint as robust, with significant coefficients across all models, mirroring the earlier results. The consistently significant negative impact of GFCF on the ecological footprint across CCR models also validated capital formation and the ecological footprint in the FMOLS and DOLS analyses.
In summary, the CCR robustness test supported the validity of the FMOLS and DOLS analyses, indicating that the results of these models were robust reflections of the independent variable on the environmental quality
Table 9 Results of the Robustness test for dependent variable emissions and ecological footprint with CCR
Variable
Model 1
Model 2
Model 3
Model 1
Model 2
Model 3
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
Coeff. (t-stat.)
InCOAL
(2.2924)
–
–
0.0114 (1.2412)
–
–
InOIL
–
-0.4266 (-1.1081)
–
–
(1.7286)
–
InGAS
–
–
(3.2979)
–
–
-0.0098 (-0.5234)
InRE
(-4.0441)
(-3.4361)
(-3.3134)
(-2.0794)
-0.0093 (-0.7490)
-0.0241 (-1.8608)
InGDP
(5.8506)
(4.5991)
(9.3953)
(16.5306)
(16.9154)
(16.1827)
InGFCF
-0.0042 (-0.0372)
-0.0191 (-0.1562)
(-2.2901)
-0.2774 (-8.6075)
-0.2946 (-9.9319)
-0.2704 (-7.0174)
C
-17.5816
-15.5905
-24.0313
-1.0400
-4.1500
-1.4871
, and indicate significance levels at , and , respectively
of Indonesia. The consistency of the CCR results with the FMOLS and DOLS analyses across different models and variables lends confidence to the conclusions drawn about the impact of energy consumption, economic growth, and capital formation on emissions and the ecological footprint.
4.5 The results pairwise Granger causality
The results of the Granger causality analysis presented in Table 10 concerning emissions indicate that there was no causality with COAL, OIL, and GDP. However, a unidirectional causality was evident from
emissions to GFCF and RE, and from GAS to emissions. Additionally, concerning the ecological footprint, the results demonstrate unidirectional Granger causality from EF to OIL, GDP, and GFCF. Furthermore, bidirectional causality was detected between EF and RE .
5 Discussion
The findings from the econometric analysis of emissions and the ecological footprint within the context of Indonesia highlight the environmental implications of the country’s energy usage, economic activity, and capital formation. The results were robust based on the FMOLS
Table 10 Result of Pairwise Granger Causality
emissions
Ecological footprint
Null hypothesis:
F-stat.
Prob.
Result
Null hypothesis:
F-stat.
Prob.
Result
InCOAL InCO2
1.2100
0.3198
InCOAL InEF
0.4950
0.7394
EF COAL
1.7355
0.1588
InEF InCOAL
1.3654
0.2610
InOIL InCO2
0.5818
0.6774
InOIL InEF
1.2860
0.2897
1.2029
0.3228
InEF InOIL
0.0461
0.0844
1.6981
0.1671
EF GAS
0.6507
0.6294
InEF InGAS
0.7301
0.5762
InRE InCO2
0.9947
0.4203
0.0894
0.0240
InEF InRE
0.0841
1.0717
0.3817
1.9162
0.1242
0.9231
0.4589
InEF InGDP
0.0772
0.4819
0.7489
1.2097
0.3199
0.0450
InEF InGFCF
0.0225
and DOLS, as confirmed by the CCR model. The overview of the dynamic impact on emissions and ecological footprint is presented in Fig. 5.
5.1 Non-renewable energy, emissions and ecological footprint
Non-renewable energy, encompassing coal, gas, and oil, manifests a nuanced impact on environmental factors, particularly emissions. The results highlight a positive impact of non-renewable energy on emissions from coal and gas, aligning with the findings of Kartal et al. (2023), Voumik et al. (2023), Idroes et al. (2023b), Acaroğlu et al. (2023), Ansari (2022), Hanif et al. (2019) and Saboori and Sulaiman (2013), all of which demonstrate an increase in emissions. This substantiates the consensus on the significant contribution of coal and gas to atmospheric levels. Indonesia’s heavy reliance on non-renewable energy sources, particularly coal and natural gas, has led to a significant increase in emissions, exacerbating environmental degradation and contributing to global climate change. These results underscore the urgent need for Indonesia to reassess its energy policies and expedite the transition towards cleaner alternatives. Coal, in particular, has been a major contributor to the country’s emissions, as its combustion releases large amounts of greenhouse gases into the atmosphere. Additionally, while natural gas is often considered a cleaner alternative to coal, its extraction and combustion still result in emissions, albeit to a lesser extent. Therefore, both coal and natural gas worsen the environmental impact by increasing emissions levels. Given Indonesia’s rich renewable energy potential, there is a compelling argument for the country to prioritize the development and deployment of
these sustainable alternatives. Policymakers must implement supportive policies and incentives to accelerate the transition towards renewable energy sources, thereby mitigating emissions and promoting environmental sustainability. By reducing reliance on coal and natural gas and embracing renewable energy technologies, Indonesia can mitigate the adverse impacts of climate change, protect the environment, and secure a sustainable future.
Contrastingly, the impact of oil is more profound, especially in terms of the ecological footprint. An increase in oil usage is associated with an increase in the ecological footprint, underscoring its substantial environmental consequence. This finding underscores the broader understanding that oil, with its intricate processes and extraction methods, leaves a more conspicuous mark on ecological sustainability compared to coal and gas. Furthermore, the negative impact of oil on Indonesia’s ecological footprint extends beyond just its consumption. The entire lifecycle of oil, from extraction to transportation and refining, contributes significantly to environmental degradation. Extraction processes often involve habitat destruction, soil contamination, and water pollution, leading to the loss of biodiversity and ecosystem services. Moreover, the transportation of oil through pipelines or tankers poses risks of spills, further jeopardizing fragile marine ecosystems and coastal communities. Additionally, the refining of crude oil releases toxic pollutants into the atmosphere, exacerbating air quality issues and contributing to climate change. These cumulative effects highlight the urgent need for sustainable alternatives to mitigate the detrimental consequences of oil on Indonesia’s environment and biodiversity. These results are consistent with findings from various studies conducted by Ehigiamusoe et al. (2023), Kurniawan et al.
Fig. 5 Overview of the long-term impact on emissions (a), and ecological footprint (b)
(2023), Apergis et al. (2023), Salman et al. (2022), Ansari (2022), Nathaniel & Khan (2020), Destek & Sinha (2020), Usman & Makhdum (2021), and Alola et al. (2019).
Furthermore, the identified unidirectional causality from gas to emissions implies that targeting reductions in gas usage can effectively lower emissions ( Lv et al. 2019). Similarly, the finding of unidirectional causality from ecological footprint to oil suggests that initiatives reducing the ecological footprint may influence and optimize oil usage. This underscores the potential for targeted strategies in both energy and environmental conservation efforts. These differentiated impacts of coal, gas, and oil on both emissions and ecological footprints emphasize the intricate nature of non-renewable energy sources’ environmental repercussions. The findings underscore the necessity of adopting sustainable energy practices to mitigate adverse consequences, particularly given the significant role of these energy sources in contributing to greenhouse gas emissions. As the world grapples with the challenges of climate change, a nuanced understanding of these relationships becomes imperative for formulating effective and targeted strategies to foster a more sustainable and environmentally conscious energy landscape.
5.2 Renewable energy, emissions and ecological footprint
This study delves into the feasibility of harnessing renewable resources to foster environmental sustainability in Indonesia. With its diverse ecological landscapes and unique environmental challenges, Indonesia stands to benefit significantly from embracing renewable energy solutions. The analysis conducted in this study underscores robust results that demonstrate how renewable energy usage enhances the environment, particularly in relation to mitigating emissions and reducing the ecological footprint. This segment of the findings aligns with the emissions results reported by Khan et al. (2023), Idroes et al. (2023b), Voumik et al. (2023), Raihan et al. (2023), Li et al. (2023), Kartal et al. (2023), Acaroğlu et al. (2023), Afjal et al. (2023), Raihan and Tuspekova (2022), Rahman et al. (2022), Koc and Bulus (2020) and Acheampong et al. (2019), as well as with the ecological footprint findings from Kurniawan et al. (2023), Ehigiamusoe et al. (2023), Salman et al. (2022), Radmehr et al. (2022), Usman and Makhdum (2021), Usman and Hammar (2021) and Destek and Sinha (2020).
The Granger causality analysis reveals a unidirectional relationship from emissions to renewable energy, suggesting that shifts in emissions precede changes in renewable energy usage. These findings align with the results presented by Lv et al. (2019) and Ansari (2022). Furthermore, the results found a
bidirectional causality between ecological footprint and renewable energy, showcasing a synergistic interplay. As renewable energy usage increases, the ecological footprint decreases, establishing a reinforcing feedback loop. These results support findings by Radmehr et al. (2022), Kongbuamai et al. (2021), Usman and Hammar (2021), and Nathaniel and Khan (2020).
Significant potential for mitigating greenhouse gas emissions lies within renewable energy sources such as solar, wind, hydropower, and geothermal, particularly in reducing emissions and ecological footprint, a major contributor to global climate change. Indonesia, blessed with abundant sunlight, strong winds, and extensive water resources, and ranking as the world’s second-largest geothermal energy producer, is poised to transition towards renewable energy as a viable strategy for reducing its carbon footprint. The country boasts vast hydroelectric potential, estimated at approximately 75 GW , alongside a substantial biomass resource base exceeding 20 million tonnes annually, further augmenting its renewable energy capabilities. In comparison to conventional fossil fuel-based generation, renewable technologies offer a markedly smaller ecological footprint, minimizing resource extraction, air and water pollution, and habitat destruction. Embracing renewables not only aligns with global sustainability objectives but also positions Indonesia as a frontrunner in sustainable development across Southeast Asia. Through targeted investments, policy reforms, and technological advancements, Indonesia can lead the way towards a resilient, low-carbon future, ensuring enduring environmental sustainability and economic prosperity.
5.3 Economic growth, emissions and ecological footprint
The influence of economic growth emerges as a crucial factor affecting both emissions and the ecological footprint. A noticeable correlation is apparent, demonstrating that an increase in GDP corresponds to a simultaneous rise in both emissions and ecological footprint. This segment of the findings resonates with the results obtained by Maulidar et al. (2024), Li et al. (2023), Hardi et al. (2023), Yusuf et al. (2023), Idroes et al. (2023b), Raihan et al. (2023), Ehigiamusoe et al. (2023), Ansari (2022), Raihan and Tuspekova (2022), Salman et al. (2022), Kongbuamai et al. (2021), Nathaniel and Khan (2020), and Alola et al. (2019). Furthermore, unidirectional causality running from ecological footprint to economic growth means that changes in a region’s environmental impact, as measured by ecological footprint, directly influence its economic output. This challenges the conventional view and highlights the importance of ecological sustainability in shaping economic outcomes.
These findings align with the results presented by Tarkang et al. (2023) and Naveed et al. (2023).
This empirical results from Indonesia unequivocally demonstrate that economic growth is correlated with an increase in emissions and ecological footprint. As Indonesia undergoes rapid industrialization and urbanization, driven by economic expansion, there is a corresponding surge in energy consumption, largely reliant on fossil fuels. This reliance contributes significantly to emissions, exacerbating the country’s ecological footprint. Despite efforts to mitigate these impacts through policy interventions and technological advancements, the scale and pace of economic growth often outstrip these measures, resulting in a net rise in emissions and ecological footprint. To address this challenge, Indonesia must prioritize sustainable development strategies, including investment in renewable energy sources, enhancement of energy efficiency measures, and implementation of stringent environmental regulations.
5.4 Capital formation, emissions and ecological footprint
The findings of this study indicate that an increase in capital formation is associated with a reduction in both emissions and the ecological footprint. This suggests that investments in infrastructure, machinery, and technology can lead to enhanced efficiency and cleaner production processes, ultimately resulting in lower emissions and a smaller ecological footprint. These results are consistent with the findings of Maulidar et al. (2024), reinforcing the notion that targeted investments in capital can play a crucial role in driving environmental sustainability. However, it is essential to acknowledge divergent viewpoints, such as those presented by Chekouri et al. (2023) and Aderinto and Ogunro (2021), who argued that capital formation may contribute to increased emissions. Despite these discrepancies, the potential for capital investment to mitigate environmental impact underscores the importance of implementing policies and incentives to encourage sustainable capital formation practices in Indonesia. This may involve promoting investments in renewable energy infrastructure, ecofriendly technologies, and sustainable transportation systems, alongside the implementation of rigorous environmental regulations and the facilitation of pub-lic-private partnerships. By leveraging the potential of gross fixed capital formation to reduce emissions and ecological footprint, Indonesia can advance its efforts towards achieving environmental sustainability goals while fostering inclusive and resilient economic growth.
6 Conclusion, policy implications, and limitations
This study investigates the dynamic impact of nonrenewable energy sources (coal, oil, and gas), renewable energy, economic growth, and capital formation on emissions and the ecological footprint in Indonesia from 1965 to 2022. By utilizing FMOLS and DOLS, and conducting a robustness test using CCR techniques, empirical findings indicate that a increase in coal and gas led to a direct increase in emissions by and , respectively, without affecting ecological footprints. Conversely, a 1% increase in oil led to a rise in ecological footprints by , but not in emissions. On the other hand, an increase in renewable energy was associated with reductions in both emissions and ecological footprints by approximately and , respectively, thereby improving Indonesia’s environmental quality. Moreover, an increase in economic growth was linked to increases in both emissions and ecological footprints by approximately and , respectively, while an increase in capital formation resulted in a reduction in the ecological footprint by approximately . The Granger causality test revealed a unidirectional causality from emissions to renewable energy, with bidirectional causality between the ecological footprint and renewable energy.
In addressing environmental challenges in Indonesia, policymakers must prioritize reducing dependency on non-renewable energy sources such as coal, oil, and gas, which contribute significantly to emissions and ecological footprints. Strategies should focus on diversifying the energy mix, enhancing energy efficiency, and phasing out subsidies for fossil fuels within Indonesia’s energy sector. Simultaneously, promoting the adoption and expansion of renewable energy sources, including solar, wind, hydro, and geothermal energy, is crucial. Incentives such as subsidies, tax breaks, and regulatory support should be tailored to encourage this transition, thereby reducing emissions and ecological footprints in Indonesia. Integrating environmental considerations into economic policies is imperative to ensure sustainable development amidst economic growth. Carbon pricing, environmental taxes, and emissions trading systems should be implemented to internalize environmental costs within Indonesia’s economic landscape. Additionally, investment in capital formation, infrastructure, technology, and human capital should be prioritized to promote sustainable development practices specifically tailored to Indonesia’s unique circumstances. This investment can lead to reduced ecological footprints and enhanced environmental management. Lastly, establishing robust monitoring mechanisms and regulatory frameworks specific to Indonesia is crucial. Strengthening environmental laws, enhancing monitoring and reporting requirements, and implementing penalties
for non-compliance can effectively mitigate emissions and ecological footprints in Indonesia.
This study provides valuable insights into the dynamic impact of energy sources, economic growth, and capital formation on emissions and ecological footprints in Indonesia from 1965 to 2022. However, several limitations should be acknowledged. Firstly, the methodologies employed, while robust, may have inherent assumptions and limitations. Researchers could explore other econometric methods such as ARDL, VECM, GMM, and others to enhance the analysis. Moreover, expanding the scope to include additional economic variables, such as trade openness, foreign direct investment, and government expenditure, could offer a more comprehensive understanding of the factors influencing environmental outcomes. To address these limitations and advance understanding in this field, future studies could incorporate more granular data, extend the analysis to include recent years, explore alternative econometric techniques, and employ qualitative research methods. By addressing these gaps and avenues for future research, scholars can contribute to more robust and actionable insights for policymakers and stakeholders striving to balance economic development with environmental sustainability.
Abbreviations
ADF
Augmented Dickey-Fuller
ARDL
Autoregressive Distributed Lag
CO2
Carbon dioxide emissions
COAL
Coal
CUSUM
Cumulative sum of recursive residuals
CCR
Canonical Cointegrating Regression
DOLS
Dynamic Ordinary Least Squares
EF
Ecological footprint
FMOLS
Fully Modified Ordinary Least Squares
ESDM
Ministry of energy and mineral resources
GAS
Gas
GDP
Gross domestic product
GFCF
Gross fixed capital formation
GFN
Global footprint network
IEA
International energy agency
IESR
Institute for essential services reform
LCU
Local currency unit
OIL
Oil
OWID
Our world in data
P-P
Phillips-Perron
RE
Renewable energy
SEA
Southeast Asia
VECM
Vector error correction model
WDI
World Development Indicator
Acknowledgements
Not applicable.
Authors’ contributions
Ghalieb Mutig Idroes conducted the data analysis and wrote the article. Material preparation, data collection, and analysis were carried out by Irsan Hardi and Teuku Rizky Noviandy. Md Hasanur Rahman and Mohd Afjal contributed to the review and editing process. Rinaldi Idroes supervises the articles and submits the manuscripts. All authors have read and approved the final version of the manuscript.
Funding
No funding was received for this work.
Availability of data and materials
The data is available by request.
Declarations
Ethics approval and consent to participate
Not applicable.
Competing interests
All the authors associated with this work declare that there is no conflict of interest.
Author details
¹Department of Economics, Faculty of Economics and Business, Universitas Syiah Kuala, Banda Aceh 23111, Indonesia. Energy and Green Economics Unit, Graha Primera Saintifika, Aceh Besar 23371, Indonesia. Economic Modeling and Data Analytics Unit, Graha Primera Saintifika, Aceh Besar 23371, Indonesia. Department of Economics, Sheikh Fazilatunnesa Mujib University, Jamalpur 2000, Bangladesh. Department of Economics, Comilla University, Cumilla 3506, Bangladesh. VIT Business School, Vellore Institute of Technology, Vellore 632014, India. Interdisciplinary Innovation Research Unit, Graha Primera Saintifika, Aceh Besar 23771, Indonesia. Department of Chemistry, Faculty of Mathematics and Natural Sciences, Universitas Syiah Kuala, Banda Aceh 23111, Indonesia. School of Mathematics and Applied Sciences, Universitas Syiah Kuala, Banda Aceh 23111, Indonesia.
Received: 26 December 2023 Revised: 26 February 2024 Accepted: 14 March 2024
Published online: 16 April 2024
References
Acaroğlu H, Kartal HM, García Márquez FP (2023) Testing the environmental Kuznets curve hypothesis in terms of ecological footprint and CO2 emissions through energy diversification for Turkey. Environ Sci Pollut Res 30:63289-63304. https://doi.org/10.1007/s11356-023-26278-w
Acevedo-Ramos JA, Valencia CF, Valencia CD (2023) The Environmental Kuznets Curve Hypothesis for Colombia: Impact of Economic Development on Greenhouse Gas Emissions and Ecological Footprint. Sustainability 15:3738. https://doi.org/10.3390/su15043738
Acheampong AO, Adams S, Boateng E (2019) Do globalization and renewable energy contribute to carbon emissions mitigation in Sub-Saharan Africa? Sci Total Environ 677:436-446. https://doi.org/10.1016/j.scitotenv.2019. 04.353
Adebayo TS, Kirikkaleli D (2021) Impact of renewable energy consumption, globalization, and technological innovation on environmental degradation in Japan: application of wavelet tools. Environ Dev Sustain 23:16057-16082. https://doi.org/10.1007/s10668-021-01322-2
Adekoya OB, Oliyide JA, Fasanya IO (2022) Renewable and non-renewable energy consumption – Ecological footprint nexus in net-oil exporting and net-oil importing countries: Policy implications for a sustainable environment. Renew Energy 189:524-534. https://doi.org/10.1016/j. renene.2022.03.036
Aderinto ER, Ogunro TT (2021) Population growth and environmental degradation in Nigeria: A comparative analysis of Carbon dioxide emissions and ecological footprint. Interdiscip J Appl Basics Subj 1:26-36
Afjal M, Kathiravan C, Dana LP, Nagarajan CD (2023) The Dynamic Impact of Financial Technology and Energy Consumption on Environmental Sustainability. Sustainability 15:9327. https://doi.org/10.3390/su15129327
Ali A, Radulescu M, Balsalobre-Lorente D (2023) A dynamic relationship between renewable energy consumption, nonrenewable energy consumption, economic growth, and carbon dioxide emissions: Evidence from Asian emerging economies. Energy Environ 34:3529-3552. https:// doi.org/10.1177/0958305X231151684
AlNemer HA, Hkiri B, Tissaoui K (2023) Dynamic impact of renewable and nonrenewable energy consumption on CO2 emission and economic growth
in Saudi Arabia: Fresh evidence from wavelet coherence analysis. Renew Energy 209:340-356. https://doi.org/10.1016/j.renene.2023.03.084
Alola AA, Bekun FV, Sarkodie SA (2019) Dynamic impact of trade policy, economic growth, fertility rate, renewable and non-renewable energy consumption on ecological footprint in Europe. Sci Total Environ 685:702-709. https://doi.org/10.1016/j.scitotenv.2019.05.139
Amin N, Song H (2022) The role of renewable, non-renewable energy consumption, trade, economic growth, and urbanization in achieving carbon neutrality: A comparative study for South and East Asian countries. Environ Sci Pollut Res 30:12798-12812. https://doi.org/10.1007/ s11356-022-22973-2
Ansari MA (2022) Re-visiting the Environmental Kuznets curve for ASEAN: A comparison between ecological footprint and carbon dioxide emissions. Renew Sustain Energy Rev 168:112867. https://doi.org/10.1016/j.rser. 2022.112867
Apergis N, Degirmenci T, Aydin M (2023) Renewable and non-renewable energy consumption, energy technology investment, green technological innovation, and environmental sustainability in the United States: Testing the EKC and LCC hypotheses with novel Fourier estimation. Environ Sci Pollut Res. https://doi.org/10.1007/s11356-023-30901-1
Arshad Z, Robaina M, Botelho A (2020) Renewable and Non-renewable Energy, Economic Growth and Natural Resources Impact on Environmental Quality: Empirical Evidence from South and Southeast Asian Countries with CS-ARDL Modeling. Int J Energy Econ Policy. 10:368-383. https://doi.org/ 10.32479/ijeep. 9956
Bello MO, Solarin SA, Yen YY (2018) The impact of electricity consumption on CO2 emission, carbon footprint, water footprint and ecological footprint: The role of hydropower in an emerging economy. J Environ Manage 219:218-230. https://doi.org/10.1016/j.jenvman.2018.04.101
Ben Jebli M, Ben Youssef S, Ozturk I (2016) Testing environmental Kuznets curve hypothesis: The role of renewable and non-renewable energy consumption and trade in OECD countries. Ecol Indic 60:824-831. https:// doi.org/10.1016/j.ecolind.2015.08.031
Bhat JA (2018) Renewable and non-renewable energy consumption-impact on economic growth and CO2 emissions in five emerging market economies. Environ Sci Pollut Res 25:35515-35530. https://doi.org/10.1007/ s11356-018-3523-8
Chang Z, Shen G, Jiang K, Huang W, Zhao J, Luo Z, Men Y, Xing R, Zhao N, Pan B, Xing B, Tao S (2024) Environmental implications of residual pyrogenic carbonaceous materials from incomplete biomass combustion: a review. Carbon Res 3:15. https://doi.org/10.1007/s44246-024-00103-6
Chekouri SM, Chibi A, Benbouziane M (2023) The impact of natural resource abundance on ecological footprint: evidence from Algeria. Environ Sci Pollut Res 30:69289-69306. https://doi.org/10.1007/s11356-023-26720-z
Chen Y, Zhao J, Lai Z, Wang Z, Xia H (2019) Exploring the effects of economic growth, and renewable and non-renewable energy consumption on China’s CO2 emissions: Evidence from a regional panel analysis. Renew Energy 140:341-353. https://doi.org/10.1016/j.renene.2019.03.058
Chien F, Hsu C-C, Moslehpour M, Sadiq M, Tufail B, Ngo TQ (2023) A step toward sustainable development: the nexus of environmental sustainability, technological advancement and green finance: evidence from Indonesia. Environ Dev Sustain. https://doi.org/10.1007/ s10668-023-03424-5
Christoforidis T, Katrakilidis C (2021) The dynamic role of institutional quality, renewable and non-renewable energy on the ecological footprint of OECD countries: do institutions and renewables function as leverage points for environmental sustainability? Environ Sci Pollut Res 28:5388853907. https://doi.org/10.1007/s11356-021-13877-8
Cobb CW, Douglas PH (1928) A theory of production
Destek MA, Sinha A (2020) Renewable, non-renewable energy consumption, economic growth, trade openness and ecological footprint: Evidence from organisation for economic Co-operation and development countries. J Clean Prod 242:118537. https://doi.org/10.1016/j.jclepro.2019. 118537
Dickey DA, Fuller WA (1979) Distribution of the Estimators for Autoregressive Time Series with a Unit Root. J Am Stat Assoc 74:427-431. https://doi.org/ 10.1080/01621459.1979.10482531
Dogan E, Majeed MT, Luni T (2022) Revisiting the nexus of ecological footprint, unemployment, and renewable and non-renewable energy for South Asian economies: Evidence from novel research methods. Renew Energy 194:1060-1070. https://doi.org/10.1016/j.renene.2022.05.165
Ehigiamusoe KU, Ramakrishnan S, Lean HH, Mustapha M (2023) The moderating roles of renewable and non-renewable energy consumption on the ecological impact of economic growth in Southeast Asia. Energy Syst. https://doi.org/10.1007/s12667-023-00616-w
Engle RF, Granger CWJ (1987) Co-Integration and Error Correction: Representation, Estimation, and Testing. Econometrica 55(2):251-276. https://doi. org/10.2307/1913236
ESDM (2021) Indonesia: National Electricity Supply Business Plan (RUPTL) 2021-2030
GFN (2023) Global Footprint Network https://data.footprintnetwork.org/#/
Granger CWJ (1969) Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica 37:424. https://doi.org/10. 2307/1912791
Hanif I, Aziz B, Chaudhry IS (2019) Carbon emissions across the spectrum of renewable and nonrenewable energy use in developing economies of Asia. Renew Energy 143:586-595. https://doi.org/10.1016/j.renene.2019.05.032
Hardi I, Idroes GM, Zulham T, Suriani S, Saputra J (2023) Economic Growth, Agriculture, Capital Formation and Greenhouse Gas Emissions in Indonesia: FMOLS, DOLS and CCR Applications. Ekon J Econ 1:82-91. https://doi. org/10.60084/eje.v1i2.109
Hardi I, Ray S, Attari MUQ, Ali N, Idroes GM (2024) Innovation and Economic Growth in the Top Five Southeast Asian Economies: A Decomposition Analysis. Ekon J Econ 2:1-14. https://doi.org/10.60084/eje.v2i1.145
He X, Adebayo TS, Kirikkaleli D, Umar M (2021) Consumption-based carbon emissions in Mexico: An analysis using the dual adjustment approach. Sustain Prod Consum 27:947-957. https://doi.org/10.1016/j.spc.2021.02.020
Idroes GM, Hardi I, Nasir M, Gunawan E, Maulidar P, Maulana ARR (2023a) Natural Disasters and Economic Growth in Indonesia. Ekon J Econ 1:33-39. https://doi.org/10.60084/eje.v1i1.55
Idroes GM, Hardi I, Noviandy TR, Sasmita NR, Hilal IS, Kusumo F, Idroes R (2023b) A Deep Dive into Indonesia’s CO2 Emissions: The Role of Energy Consumption, Economic Growth and Natural Disasters. Ekon J Econ 1:69-81. https://doi.org/10.60084/eje.v1i2.115
Idroes GM, Syahnur S, Majid MSA, Idroes R, Kusumo F, Hardi I (2023c) Unveiling the Carbon Footprint: Biomass vs. Geothermal Energy in Indonesia. Ekon J Econ 1:10-18. https://doi.org/10.60084/eje.v1i1.47
IEA (2022) Enhancing Indonesia’s Power System. https://www.iea.org/reports/ enhancing-indonesias-power-system
IESR (2022) Indonesia Energy Transition Outlook 2023. https://iesr.or.id/wp-conte nt/uploads/2022/12/Indonesia-Energy-Transition-Outlook_2023.pdf
Ito K (2017) CO2 emissions, renewable and non-renewable energy consumption, and economic growth: Evidence from panel data for developing countries. Int Econ 151:1-6. https://doi.org/10.1016/j.inteco.2017.02.001
Johansen S (1988) Statistical analysis of cointegration vectors. J Econ Dyn Control 12:231-254. https://doi.org/10.1016/0165-1889(88)90041-3
Kartal HM, Acaroğlu H, Garcia Marquez FP (2023) The Validity of the Environmental Kuznets Curve in Terms of the Ecological Foot Print and Energy Consumption Diversity: The Case of Turkey. In: García Márquez FP, Segovia Ramírez I, Bernalte Sánchez PJ, Muñoz del Río A (eds) IoT and Data Science in Engineering Management. CIO 2022. Lecture Notes on Data Engineering and Communications Technologies, vol 160. Springer, Cham. https://doi.org/10.1007/978-3-031-27915-7_49
Khan SAR, Zia-UI-Haq HM, Ponce P, Janjua L (2023) Re-investigating the impact of non-renewable and renewable energy on environmental quality: A roadmap towards sustainable development. Resour Policy 81:103411. https://doi.org/10.1016/j.resourpol.2023.103411
Koc S, Bulus GC (2020) Testing validity of the EKC hypothesis in South Korea: role of renewable energy and trade openness. Environ Sci Pollut Res 27:29043-29054. https://doi.org/10.1007/s11356-020-09172-7
Kongbuamai N, Bui Q, Nimsai S (2021) The effects of renewable and nonrenewable energy consumption on the ecological footprint: the role of environmental policy in BRICS countries. Environ Sci Pollut Res 28:27885-27899. https://doi.org/10.1007/s11356-021-12551-3
Kostakis I (2024) An empirical investigation of the nexus among renewable energy, financial openness, economic growth, and environmental degradation in selected ASEAN economies. J Environ Manage 354:120398. https://doi.org/10.1016/j.jenvman.2024.120398
Kurniawan R, Nugroho NAA, Fudholi A, Purwanto A, Sumargo B, Gio PU, Wongsonadi SK (2023) The ecological footprint of industrial value added and energy consumption in Indonesia. Int J Energy Sect Manag. https:// doi.org/10.1108/IJESM-05-2023-0006
Li R, Wang Q, Li L (2023) Does renewable energy reduce per capita carbon emissions and per capita ecological footprint? New evidence from 130 countries. Energy Strateg Rev 49:101121. https://doi.org/10.1016/j.esr. 2023.101121
Lv C, McAleer W (2019) Modelling Economic Growth, Carbon Emissions, and Fossil Fuel Consumption in China: Cointegration and Multivariate Causality. Int J Environ Res Public Health 16:4176. https://doi.org/10.3390/ijerp h16214176
Massagony A, Budiono, (2023) Is the Environmental Kuznets Curve (EKC) hypothesis valid on CO 2 emissions in Indonesia? Int J Environ Stud 80:20-31. https://doi.org/10.1080/00207233.2022.2029097
Maulidar P, Fitriyani F, Sasmita NR, Hardi I, Idroes GM (2024) Exploring Indonesia’s CO2 Emissions: The Impact of Agriculture, Economic Growth, Capital and Labor. Grimsa J Bus Econ Stud 1:43-55. https://doi.org/10.61975/ gjbes.v1i1.22
Munir Q, Lean HH, Smyth R (2020) CO2 emissions, energy consumption and economic growth in the ASEAN-5 countries: A cross-sectional dependence approach. Energy Econ 85:104571. https://doi.org/10.1016/j.eneco. 2019.104571
Nathaniel SP (2021) Ecological footprint, energy use, trade, and urbanization linkage in Indonesia. GeoJournal 86:2057-2070. https://doi.org/10.1007/ s10708-020-10175-7
Nathaniel S, Khan SAR (2020) The nexus between urbanization, renewable energy, trade, and ecological footprint in ASEAN countries. J Clean Prod 272:122709. https://doi.org/10.1016/j.jclepro.2020.122709
Naveed M, Islam M, Usman M, Kamal M, Khan MF (2023) Demystifying the association between economic development, transportation, tourism, renewable energy, and ecological footprint in Bay of Bengal Initiative for Multi-Sectoral Technical and Economic Cooperation region during globalization mode. Environ Sci Pollut Res 30:120137-120154. https://doi. org/10.1007/s11356-023-30706-2
OWID (2023) Our World in Data. https://ourworldindata.org/#entries
Park JY (1992) Canonical Cointegrating Regressions. Econometrica 60:119. https://doi.org/10.2307/2951679
Pata UK (2021) Linking renewable energy, globalization, agriculture, CO2 emissions and ecological footprint in BRIC countries: A sustainability perspective. Renew Energy 173:197-208. https://doi.org/10.1016/j.renene. 2021.03.125
Pata UK, Aydin M, Haouas I (2021) Are natural resources abundance and human development a solution for environmental pressure? Evidence from top ten countries with the largest ecological footprint. Resour Policy 70:101923. https://doi.org/10.1016/j.resourpol.2020.101923
Phillips PCB, Hansen BE (1990) Statistical Inference in Instrumental Variables Regression with I(1) Processes. Rev Econ Stud 57:99. https://doi.org/10. 2307/2297545
Phillips PCB, Perron P (1988) Testing for a Unit Root in Time Series Regression. Biometrika 75:335. https://doi.org/10.2307/2336182
Pirmana V, Alisjahbana AS, Yusuf AA, Hoekstra R, Tukker A (2021) Environmental Cost in Indonesia Spillover Effect Between Consumption and Production. Front Sustain. 2. https://doi.org/10.3389/frsus.2021.720177
Pujiati A, Yanto H, Dwi Handayani B, Ridzuan AR, Borhan H, Shaari MS (2023) The detrimental effects of dirty energy, foreign investment, and corruption on environmental quality: New evidence from Indonesia. Front Environ Sci. 10. https://doi.org/10.3389/fenvs.2022.1074172
Radmehr R, Shayanmehr S, Ali EB, Ofori EK, Jasińska E, Jasiński M (2022) Exploring the Nexus of Renewable Energy, Ecological Footprint, and Economic Growth through Globalization and Human Capital in G7 Economics. Sustainability 14:12227. https://doi.org/10.3390/su141912227
Rahman MH, Majumder SC (2022) Empirical analysis of the feasible solution to mitigate the CO2 emission: evidence from Next-11 countries. Environ Sci Pollut Res 29:73191-73209. https://doi.org/10.1007/s11356-022-20908-5
Rahman MM (2022) Test and performance optimization of nozzle inclination angle and swirl combustor in a low-tar biomass gasifier: a biomass power generation system perspective. Carbon Resour Convers 5:139-149. https://doi.org/10.1016/j.crcon.2022.01.002
Rahman MM, Aravindakshan S, Hoque MA, Rahman MA, Gulandaz MA, Rahman J, Islam MT (2021a) Conservation tillage (CT) for climate-smart sustainable intensification: Assessing the impact of CT on soil organic carbon accumulation, greenhouse gas emission and water footprint of wheat cultivation in Bangladesh. Environ Sustain Indic 10:100106. https:// doi.org/10.1016/j.indic.2021.100106
Rahman MM, Aravindakshan S, Matin MA (2021b) Design and performance evaluation of an inclined nozzle and combustor of a downdraft moving bed gasifier for tar reduction. Renew Energy 172:239-250. https://doi. org/10.1016/j.renene.2021.02.156
Rahman MH, Voumik LC, Islam MJ, Halim MA, Esquivias MA (2022) Economic Growth, Energy Mix, and Tourism-Induced EKC Hypothesis: Evidence from Top Ten Tourist Destinations. Sustainability 14:16328. https://doi.org/ 10.3390/su142416328
Rahman MM, Henriksen UB, Ciolkosz D (2023) Startup process, safety and risk assessment of biomass gasification for off-grid rural electrification. Sci Rep 13:21395. https://doi.org/10.1038/s41598-023-46801-w
Raihan A (2024) The interrelationship amid carbon emissions, tourism, economy, and energy use in Brazil. Carbon Res 3:11. https://doi.org/10. 1007/s44246-023-00084-y
Raihan A, Tuspekova A (2022) Dynamic impacts of economic growth, renewable energy use, urbanization, industrialization, tourism, agriculture, and forests on carbon emissions in Turkey. Carbon Res 1:20. https://doi.org/ 10.1007/s44246-022-00019-z
Raihan A, Pavel MI, Muhtasim DA, Farhana S, Faruk O, Paul A (2023) The role of renewable energy use, technological innovation, and forest cover toward green development: Evidence from Indonesia. Innov Green Dev 2:100035. https://doi.org/10.1016/j.igd.2023.100035
Saboori B, Sulaiman J (2013) Environmental degradation, economic growth and energy consumption: Evidence of the environmental Kuznets curve in Malaysia. Energy Policy 60:892-905. https://doi.org/10.1016/j.enpol. 2013.05.099
Salman M, Zha D, Wang G (2022) Interplay between urbanization and ecological footprints: Differential roles of indigenous and foreign innovations in ASEAN-4. Environ Sci Policy 127:161-180. https://doi.org/10. 1016/j.envsci.2021.10.016
Saqib N (2022) Nexus between the renewable and nonrenewable energy consumption and carbon footprints: evidence from Asian emerging economies. Environ Sci Pollut Res 29:58326-58340. https://doi.org/10. 1007/s11356-022-19948-8
Stock JH, Watson MW (1993) A Simple Estimator of Cointegrating Vectors in Higher Order Integrated Systems. Econometrica 61:783. https://doi.org/ 10.2307/2951763
Tarkang ME, Adedoyin FF, Bekun FV (2023) An Investigation into the Role of Tourism Growth, Conventional Energy Consumption and Real Income on Ecological Footprint Nexus in France. Int J Renew Energy Dev 12:46-54. https://doi.org/10.14710/ijred.2023.43246
Usman M, Hammar N (2021) Dynamic relationship between technological innovations, financial development, renewable energy, and ecological footprint: fresh insights based on the STIRPAT model for Asia Pacific Economic Cooperation countries. Environ Sci Pollut Res 28:15519-15536. https://doi.org/10.1007/s11356-020-11640-z
Usman M, Makhdum MSA (2021) What abates ecological footprint in BRICS-T region? Exploring the influence of renewable energy, non-renewable energy, agriculture, forest area and financial development. Renew Energy 179:12-28. https://doi.org/10.1016/j.renene.2021.07.014
Voumik LC, Islam MA, Ray S, Mohamed Yusop NY, Ridzuan AR (2023) CO2 Emissions from Renewable and Non-Renewable Electricity Generation Sources in the G7 Countries: Static and Dynamic Panel Assessment. Energies 16:1044. https://doi.org/10.3390/en16031044
Wackernagel M, Beyers B (2019) Ecological footprint: Managing our biocapacity budget (New Society Publishers)
WDI (2023) WorldBank Development Indicator Databased. https://databank. worldbank.org/source/world-development-indicators
Yahya Y, Saleh SM, Majid MSA (2023) Effects of road infrastructure, energy consumption, and economic growth on CO2 emission in Indonesia. p 070014
Yusuf MS, Musibau HO, Dirie KA, Shittu WO (2023) Role of trade liberalization, industrialisation and energy use on carbon dioxide emissions in Australia: 1990 to 2018. Environ Sci Pollut Res 30:79481-79496. https://doi.org/10. 1007/s11356-023-27825-1
Publisher’s Note
Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.
Handling editor: Su Shiung Lam.
*Correspondence:
Rinaldi Idroes rinaldi.idroes@usk.ac.id
Full list of author information is available at the end of the article
*p-values are from MacKinnon (1996). **The number of stochastic (stoc.) Trends in the asymptotic distribution. Obs. represents observations, RV represents residual variance, and SE represents standard error
b and indicate significance levels at and , respectively
and indicates significance level at and , respectively. ( ) and ( ) denote unidirectional causality, ( ) indicates bidirectional causality, and ( ) signifies that there is no causality
