DOI: https://doi.org/10.3389/fsufs.2025.1653025
تاريخ النشر: 2025-09-25
المؤلف: Jean Baptiste Bernard Pea-Assounga وآخرون
الموضوع الرئيسي: الطاقة والبيئة والنمو الاقتصادي
نظرة عامة
تدرس هذه الدراسة تأثير عوامل مختلفة – الصناعة، إنتاج الغذاء، استهلاك الطاقة المتجددة، مؤشر أسعار المستهلك (CPI)، والتحضر – على البصمة البيئية (EF) عبر تسع دول آسيوية من 1995 إلى 2020. باستخدام الانحدار الكمي اللوحي ونظام GMM من أجل القوة، تكشف التحليلات أن النشاط الصناعي يرتبط بشكل إيجابي مع البصمة البيئية عبر جميع الكوانتيلات، مع تأثير بارز بعد الكوانتيلات 20 و30. يظهر إنتاج الغذاء علاقة معقدة؛ حيث يقلل من البصمة البيئية عند الكوانتيلات المنخفضة (10-30) ولكنه يزيدها بشكل كبير عند الكوانتيلات الأعلى (40-90)، مما يشير إلى أن الممارسات الزراعية المكثفة في البيئات المتضررة بيئيًا تفاقم من تدهور البيئة. من ناحية أخرى، يظهر استهلاك الطاقة المتجددة تأثيرًا سلبيًا كبيرًا على البصمة البيئية، خاصة عند الكوانتيلات 40 و90، مما يبرز دوره في التخفيف من الأضرار البيئية.
تشير النتائج أيضًا إلى أن CPI له تأثير معقد، يؤثر إيجابيًا على البصمة البيئية عند الكوانتيلات المنخفضة وسلبيًا عند الكوانتيلات الأعلى، مما يشير إلى أن التضخم قد يقيد الاستهلاك والإنتاج في الاقتصادات الأكثر عبئًا. تظهر الزراعة كمساهم مستمر في البصمة البيئية عبر جميع الكوانتيلات، مما يثير القلق بشأن الممارسات التقليدية التي تؤدي إلى استنفاد الموارد. يقدم التحضر تأثيرًا مختلطًا، حيث يؤثر بشكل كبير على البصمة البيئية عند الكوانتيلات 20 و30، حيث قد يؤدي النمو الحضري المبكر إلى زيادة الضغوط البيئية ولكنه أيضًا يوفر فرصًا للتنمية المستدامة من خلال تحسين البنية التحتية والتكنولوجيا. يعزز استخدام نظام GMM موثوقية النتائج من خلال معالجة إمكانية الاندماج والاختلاف غير الملحوظ، مما يوفر رؤى قيمة حول الديناميات الاقتصادية-البيئية في اقتصادات آسيا النامية بسرعة.
مقدمة
تسلط مقدمة هذه الدراسة الضوء على الأهمية الحاسمة للتنمية المستدامة والبصمة البيئية (EF) كمقياس رئيسي لتقييم تأثير الإنسان على النظم البيئية، خاصة في سياق النمو الاقتصادي السريع وزيادة السكان في آسيا. تركز الأبحاث على تسع دول آسيوية من 1995 إلى 2020، مستكشفة كيف تؤثر عوامل مختلفة – بما في ذلك النشاط الصناعي، الممارسات الزراعية، إنتاج الغذاء، استهلاك الطاقة المتجددة، مؤشر أسعار المستهلك (CPI)، والتحضر – على استدامة البصمة البيئية. على الرغم من الأدبيات الموجودة حول هذه المتغيرات، كانت النتائج غير متسقة، وغالبًا ما تعتمد على نماذج التأثير المتوسط التي تتجاهل تعقيدات هذه العلاقات عبر مستويات مختلفة من الضغط البيئي.
لمعالجة هذه الفجوة، تستخدم الدراسة أساليب الانحدار الكمي ونظام GMM لتحليل التأثيرات غير المتجانسة لهذه العوامل على البصمة البيئية. تشير الفرضيات الأولية إلى أن التنمية الصناعية تزيد باستمرار من البصمة البيئية، بينما لإنتاج الغذاء تأثيرات مختلطة تعتمد على الكثافة البيئية. من المتوقع أن يقلل استهلاك الطاقة المتجددة من البصمة البيئية عبر جميع الكوانتيلات، بينما يظهر CPI تأثيرات غير ذات دلالة. يُفترض أن الأنشطة الزراعية لها ارتباط إيجابي مستمر مع البصمة البيئية، ومن المتوقع أن يظهر التحضر علاقة غير خطية. تهدف الدراسة إلى تقديم رؤى دقيقة حول هذه الديناميات، مما يساهم في توجيه تدخلات السياسة المستهدفة للتنمية المستدامة في المنطقة. تم هيكلة المخطوطة لتشمل مراجعة الأدبيات، المنهجية، النتائج، وآثار السياسة.
طرق
توضح قسم المنهجية النهج المنهجي المستخدم في البحث. يوضح تصميم التجربة، بما في ذلك اختيار المشاركين، تقنيات جمع البيانات، والأساليب التحليلية المستخدمة لتقييم النتائج. استخدمت الدراسة إطارًا كميًا، مستخدمة أدوات إحصائية لتحليل البيانات المجمعة من مصادر مختلفة.
تم اشتقاق النتائج الرئيسية من تطبيق نماذج رياضية محددة، تم اختبارها بدقة للتحقق من صحتها وموثوقيتها. تم تفسير النتائج في سياق أسئلة البحث، مما يوفر رؤى حول الظواهر الأساسية التي يتم دراستها. بشكل عام، تم تصميم المنهجية لضمان نتائج قوية وقابلة للتكرار، مما يساهم في مصداقية النتائج المقدمة في الورقة.
نتائج
تكشف النتائج من اختبارات الجذر الأحادي من الجيل الثاني، CIPS وCADF، المقدمة في الجدول 7، أن معظم المتغيرات قيد الدراسة غير مستقرة في شكلها الأساسي ولكنها تحقق الاستقرار بعد الفرق الأول، مما يؤكد أنها متكاملة من الدرجة الأولى (I(1)). على وجه التحديد، تظهر المتغيرات البصمة البيئية (EF)، الصناعة (IND)، استهلاك الطاقة المتجددة (REC)، مؤشر أسعار المستهلك (CPI)، الزراعة (AGR)، والتحضر (URB) عدم الاستقرار على المستوى في كلا الاختبارين، ومع ذلك تظهر استقرارًا ذا دلالة إحصائية عند مستوى دلالة 10% بعد الفرق الأول.
في المقابل، يتم تحديد إنتاج الغذاء (FP) كالمتغير الوحيد الذي يكون مستقرًا على المستوى، حيث تعطي اختبارات CIPS وCADF قيمًا ذات دلالة دون الحاجة إلى الفرق، مما يشير إلى أنه متكامل من الدرجة صفر (I(0)). تؤكد هذه النتائج على أوامر التكامل المختلفة للمتغيرات التي تم فحصها، وهو أمر حاسم للتحليلات اللاحقة التي تتضمن نمذجة السلاسل الزمنية والتنبؤ.
مناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على العلاقة المعقدة بين التصنيع، إنتاج الغذاء، استهلاك الطاقة المتجددة، وتأثيرها الجماعي على البصمة البيئية. يثبت أن زيادة النشاط الصناعي ترتبط بزيادة استهلاك الموارد وتدهور البيئة، ويرجع ذلك أساسًا إلى التلوث وانبعاثات الكربون المرتبطة بالاعتماد على الوقود الأحفوري. ومع ذلك، تشير القسم أيضًا إلى أنه تحت ظروف معينة – مثل دمج تقنيات أنظف وممارسات مستدامة – يمكن أن يتماشى النمو الصناعي مع الاستدامة البيئية، كما يتضح من الدراسات التي تشير إلى فصل جزئي للنمو الاقتصادي عن الأضرار البيئية في سياقات معينة (ساقب وآخرون، 2024).
فيما يتعلق بإنتاج الغذاء، تؤكد الورقة أن الممارسات الزراعية، وخاصة تلك التي تشمل الثروة الحيوانية والزراعة الأحادية، تسهم بشكل كبير في إزالة الغابات، ندرة المياه، وانبعاثات غازات الدفيئة. من ناحية أخرى، يمكن أن يؤدي اعتماد طرق الزراعة المستدامة إلى التخفيف من هذه التأثيرات. دور الطاقة المتجددة معقد بالمثل؛ بينما يقلل اعتمادها عمومًا من انبعاثات غازات الدفيئة، يمكن أن تؤدي بعض المصادر المتجددة أيضًا إلى تحديات بيئية، مثل تدهور المواطن. تؤكد النتائج على ضرورة تقييم التأثيرات الكاملة لدورة حياة تقنيات الطاقة المتجددة لفهم بصمتها البيئية بالكامل.
تناقش القسم أيضًا تأثير مؤشر أسعار المستهلك (CPI) والتحضر على الاستدامة البيئية. يمكن أن تؤثر التغيرات في CPI على أنماط الاستهلاك، بينما غالبًا ما يؤدي التحضر إلى زيادة الطلب على الموارد والبنية التحتية، مما يساهم في التكاليف البيئية. ومع ذلك، قد تعزز البيئات الحضرية المخططة جيدًا كفاءة الطاقة وتقلل من بصمات البصمة البيئية للفرد. بشكل عام، تحدد الورقة فجوات كبيرة في الأدبيات الحالية، خاصة فيما يتعلق بالتأثيرات غير المتجانسة لهذه المتغيرات عبر سياقات مختلفة، وتقترح تحقيقًا مركزًا في تسع دول آسيوية لسد هذه الفجوة. يتم تسليط الضوء على استخدام الانحدار الكمي اللوحي كنهج منهجي قوي لالتقاط العلاقات الدقيقة بين هذه العوامل والبصمة البيئية.
القيود
تسلط القيود في الدراسة الحالية الضوء على عدة مجالات للبحث المستقبلي التي يمكن أن تعزز فهم التفاعلات بين التصنيع، الزراعة، واستهلاك الطاقة المتجددة. مجموعة البيانات المستخدمة محدودة في النطاق، مما قد يتجاهل التأثيرات المتنوعة عبر مناطق جغرافية وقطاعات اقتصادية مختلفة. يجب أن تهدف الدراسات المستقبلية إلى دمج مجموعات بيانات أكثر شمولاً تشمل مجموعة أوسع من البلدان والصناعات على مدى فترات زمنية أطول. بالإضافة إلى ذلك، يمكن أن يكشف تحسين مواصفات النموذج لتضمين مصطلحات التفاعل – مثل العلاقة بين النشاط الصناعي واستخدام الطاقة المتجددة – عن تأثيرات متوسطة كبيرة لا تزال غير مستكشفة.
علاوة على ذلك، يجب أن تأخذ الأبحاث المستقبلية في الاعتبار النهج المنهجي لتقييم موثوقية النتائج، مثل استبعاد دول معينة في إعادة تقدير النماذج. يمكن أن تكشف التحليلات الخاصة بالبلدان عن أنماط محلية قد تخفيها البيانات المجمعة. تقدم التقدم السريع في التقنيات الزراعية والخضراء فرصة للتحقيق في تأثيراتها البيئية طويلة الأجل، والتي لم تُفهم بعد بالكامل. يمكن أن توفر استخدام منهجيات متقدمة مثل تحليل البيانات اللوحية وتعلم الآلة رؤى أعمق حول مساهمات هذه التطورات التكنولوجية في الاستدامة. أخيرًا، يعد التركيز على سلوك المستهلك، بما في ذلك القيم الثقافية والمعايير الاجتماعية، أمرًا أساسيًا لتصميم سياسات فعالة تعزز الاستهلاك المستدام. سيساهم معالجة هذه القيود في فهم أكثر دقة للتفاعلات المعقدة، مما يؤدي في النهاية إلى إبلاغ أطر السياسات البيئية المستهدفة والفعالة.
DOI: https://doi.org/10.3389/fsufs.2025.1653025
Publication Date: 2025-09-25
Author(s): Jean Baptiste Bernard Pea-Assounga et al.
Primary Topic: Energy, Environment, Economic Growth
Overview
This study examines the impact of various factors—industry, food production, renewable energy consumption, consumer price index (CPI), and urbanization—on the ecological footprint (EF) across nine Asian countries from 1995 to 2020. Employing panel quantile regression and system GMM for robustness, the analysis reveals that industrial activity consistently correlates positively with ecological footprint across all quantiles, with a pronounced effect beyond the 20th and 30th quantiles. Food production exhibits a complex relationship; it reduces ecological footprint at lower quantiles (10th-30th) but significantly increases it at higher quantiles (40th-90th), indicating that intensified agricultural practices in ecologically stressed environments exacerbate environmental degradation. Conversely, renewable energy consumption shows a significant negative impact on ecological footprint, particularly at the 40th and 90th quantiles, highlighting its role in mitigating environmental harm.
The findings also indicate that CPI has a nuanced effect, positively influencing ecological footprint at lower quantiles and negatively at higher ones, suggesting that inflation may constrain consumption and production in more burdened economies. Agriculture emerges as a consistent contributor to ecological footprint across all quantiles, raising concerns about traditional practices that lead to resource depletion. Urbanization presents a mixed effect, significantly impacting ecological footprint at the 20th and 30th quantiles, where early urban growth may increase ecological pressures but also offers opportunities for sustainable development through improved infrastructure and technology. The use of system GMM enhances the reliability of the results by addressing potential endogeneity and unobserved heterogeneity, providing valuable insights into the economic-environmental dynamics in Asia’s rapidly developing economies.
Introduction
The introduction of this study highlights the critical importance of sustainable development and the ecological footprint (EF) as a key metric for assessing human impact on ecosystems, particularly in the context of rapid economic growth and population increases in Asia. The research focuses on nine Asian countries from 1995 to 2020, investigating how various factors—including industrial activity, agricultural practices, food production, renewable energy consumption, consumer price index (CPI), and urbanization—affect ecological footprint sustainability. Despite existing literature on these variables, findings have been inconsistent, often relying on average effect models that overlook the complexities of these relationships across different levels of ecological stress.
To address this gap, the study employs quantile regression and system GMM methodologies to analyze the heterogeneous impacts of these factors on ecological footprint. Preliminary hypotheses suggest that industrial development consistently increases ecological footprint, while food production has mixed effects depending on ecological intensity. Renewable energy consumption is expected to reduce ecological footprint across all quantiles, whereas the CPI shows insignificant effects. Agricultural activities are posited to have a continuous positive association with ecological footprint, and urbanization is anticipated to exhibit a non-linear relationship. The study aims to provide nuanced insights into these dynamics, ultimately informing targeted policy interventions for sustainable development in the region. The manuscript is structured to include a literature review, methodology, findings, and policy implications.
Methods
The methodology section outlines the systematic approach employed in the research. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods utilized to evaluate the results. The study employed a quantitative framework, utilizing statistical tools to analyze the data collected from various sources.
Key findings were derived from the application of specific mathematical models, which were rigorously tested for validity and reliability. The results were interpreted within the context of the research questions, providing insights into the underlying phenomena being studied. Overall, the methodology was designed to ensure robust and reproducible results, contributing to the credibility of the findings presented in the paper.
Results
The results from the second-generation unit root tests, CIPS and CADF, presented in Table 7, reveal that most variables under investigation are non-stationary in their level form but achieve stationarity after first differencing, confirming they are integrated of order one (I(1)). Specifically, the variables ecological footprint (EF), industry (IND), renewable energy consumption (REC), consumer price index (CPI), agriculture (AGR), and urbanization (URB) demonstrate non-stationarity at the level in both tests, yet exhibit statistically significant stationarity at the 10% significance level following first differencing.
In contrast, food production (FP) is identified as the sole variable that is stationary at the level, as both the CIPS and CADF tests yield significant values without necessitating differencing, indicating that it is integrated of order zero (I(0)). These findings underscore the differing integration orders of the examined variables, which is crucial for subsequent analyses involving time series modeling and forecasting.
Discussion
The discussion section of the research paper highlights the intricate relationship between industrialization, food production, renewable energy consumption, and their collective impact on the ecological footprint. It establishes that increased industrial activity correlates with heightened resource consumption and environmental degradation, primarily due to pollution and carbon emissions associated with fossil fuel reliance. However, the section also notes that under specific conditions—such as the integration of cleaner technologies and sustainable practices—industrial growth can be aligned with environmental sustainability, as evidenced by studies indicating a partial decoupling of economic growth from ecological harm in certain contexts (Saqib et al., 2024).
In terms of food production, the paper emphasizes that agricultural practices, particularly those involving livestock and monoculture, significantly contribute to deforestation, water scarcity, and greenhouse gas emissions. Conversely, the adoption of sustainable agricultural methods can mitigate these impacts. The role of renewable energy is similarly complex; while its adoption generally reduces greenhouse gas emissions, certain renewable sources can also lead to environmental challenges, such as habitat degradation. The findings underscore the necessity of evaluating the full life cycle impacts of renewable technologies to fully understand their ecological footprint.
The section further discusses the influence of the consumer price index (CPI) and urbanization on ecological sustainability. Changes in CPI can affect consumption patterns, while urbanization often leads to increased demand for resources and infrastructure, contributing to ecological costs. However, well-planned urban environments may enhance energy efficiency and reduce per capita ecological footprints. Overall, the paper identifies significant gaps in existing literature, particularly regarding the heterogeneous effects of these variables across different contexts, and proposes a focused investigation of nine Asian countries to fill this void. The use of panel quantile regression is highlighted as a robust methodological approach to capture the nuanced relationships between these factors and the ecological footprint.
Limitations
The limitations of the current study highlight several areas for future research that could enhance the understanding of the interactions between industrialization, agriculture, and renewable energy consumption. The dataset utilized is limited in scope, potentially overlooking the diverse impacts across various geographic regions and economic sectors. Future studies should aim to incorporate more extensive datasets that encompass a broader range of countries and industries over longer time periods. Additionally, refining model specifications to include interaction terms—such as the relationship between industrial activity and renewable energy usage—could reveal significant moderating effects that remain unexplored.
Moreover, future research should consider systematic approaches to assess the robustness of findings, such as excluding individual countries in model re-estimations. Country-specific analyses could further illuminate localized patterns that aggregate data might obscure. The rapid advancement of agricultural and green technologies presents an opportunity to investigate their long-term environmental impacts, which are not yet fully understood. Employing advanced methodologies like panel data analysis and machine learning can provide deeper insights into these technological developments’ contributions to sustainability. Lastly, a focus on consumer behavior, including cultural values and social norms, is essential for designing effective policies that promote sustainable consumption. Addressing these limitations will lead to a more nuanced understanding of the complex interactions at play, ultimately informing targeted and effective environmental policy frameworks.