PEMBEBASAN KARBON, PENGGUNAAN TENAGA, PENDAPATAN
NEGARA DAN PELABURAN LANSUNG ASING: KAJIAN PANEL
KOINTEGRASI DI 7 NEGARA TERPILIH
MUHAMAD RIAS K V ZAINUDDIN AMIRUL HAMZA ABDULLAH
ABSTRAK
Kajian ini akan menguji hubungan jangka masa panjang dan sebab munasab antara pelepasan karbon dioksida dengan pertumbuhan ekonomi, penggunaan tenaga dan kemasukan pelaburan asing ke dalam negara. Kajian ini mempunyai tujuh buah negara dan menggunakan data daripada tahun 1980 hingga 2011. Penggunaan tenaga yang diperlukan untuk menjadi pengerak kepada pertumbuhan ekonomi boleh mengakibatkan pembebasan karbon dioksida meningkat sepanjang proses tersebut berlaku. Hal ini juga digalakan lagi dengan kemasukan pelaburan daripada luar negara yang merancakkan pertumbuhan negara-negara tersebut. Kajian ini menggunakan kaedah
kointegrasi Panel iaitu fully modified OLS (FMOLS) dan Dynamic OLS (DOLS) untuk mengenal
pasti hubungan pembolehubah tersebut. Kajian ini mendapati terdapat hubungan yang positif
dalam persamaan kajian ini. Hubungan causality pula menunjukkan bahawa terdapat sebab dan
munasab dalam jangka masa panjang dan pendek tetapi dalam uni-direction sahaja. Oleh itu,
pengubal polisi perlu meyemak semula keutamaan sumber tenaga dalam mengerakkkan pertumbuhan ekonomi supaya hal ini sampai ke titik noktah.
PENGENALAN
Dalam era kemajuan teknologi ini, fenomena hubungan sebab akibat di antara pencemaran dan pembolehubah makroekonomi telah menjadi tajuk kajian utama oleh ramai penyelidik. Terdapat banyak kajian telah mengkaji hubungan sebab akibat di antara pencemaran dan beberapa pembolehubah bebas seperti penggunaan tenaga, pertumbuhan ekonomi, pembangunan kewangan, pelaburan, penduduk dan pekerjaan. Tenaga dianggap sebagai asas kehidupan dalam ekonomi dan merupakan alat yang paling penting dalam pembangunan sosio ekonomi dan diiktiraf sebagai salah satu komoditi strategik yang paling penting (Sahir dan Qureshi, 2007).
Persoalan mengenai hubungan sebab akibat antara pembebasan karbon, penggunaan tenaga, alam sekitar dan pertumbuhan ekonomi juga telah dikaji oleh pakar-pakar ekonomi dan penyelidik sebelum ini. Kajian yang berlainan telah memberi tumpuan kepada negara yang berbeza, tempoh masa, pembolehubah proksi dan kaedah ekonometrik yang berbeza yang telah digunakan untuk menguji hubungan di antara penggunaan tenaga, alam sekitar dan pertumbuhan ekonomi. Hasil empirikal kajian ini telah diubah dan kadang-kadang bercanggah.
Hubungan di antara pembebasan karbon, pertumbuhan ekonomi, penggunaan tenaga dan pelaburan lansung asing telah menjadi topik yang selalu dibincangkan seperti kajian Soytas et al., (2007), Zhang dan Cheng (2009), Menyah dan Wolde-Rufael (2010), Acaravci dan Ozturk (2010), Linh dan Lin (2012), Omri, Nguyen dan Rault (2014), Shaari, et al., (2014), Shahbaz, et al., (2015). Objektif kajian ini adalah untuk mengkaji kesan pendapatan negara, pelaburan lansung asing dan penggunaan tenaga terhadap pembebasan karbon di Malaysia, Amerika Syarikat, Bangladesh, India, China, Pakistan dan Indonesia dari 1980 sehingga 2011.
Kajian selanjutnya dianjurkan seperti berikut: Seksyen 2 menghurai sorotan kajian lepas. Seksyen 3 membincangkan berkaitan data dan metodologi yang digunakan dalam kajian ini. Seksyen 4 membincangkan keputusan secara terperinci manakala Seksyen 5 menyimpulkan kajian dengan beberapa implikasi dasar.
SOROTAN KAJIAN
Soytas et al., (2007) menjalankan kajian yang sama untuk Amerika Syarikat bagi tempoh 1960-2004. Keputusan mereka menunjukkan bahawa pendapatan tidak mempunyai hubungan Granger sebab dan akibat terhadap pelepasan karbon tetapi penggunaan tenaga mempunyai hubungan dalam jangka masa panjang. Zhang dan Cheng (2009) menggunakan data siri masa untuk menguji hubungan sebab akibat antara pertumbuhan ekonomi, penggunaan tenaga, dan pelepasan karbon di China pada tempoh yang 1960-2007. Kajian beliau mendapati bahawa KDNK dan penggunaan
tenaga mempunyai hubungan sehala Granger terhadap penggunaan tenaga dan pelepasan karbon
tetapi pelepasan karbon dan penggunaan tenaga tidak mempengaruhi pertumbuhan ekonomi.
Dalam satu kajian di Afrika Selatan bagi tempoh 1965-2006, Menyah dan Wolde-Rufael (2010) mendapati terdapat sebab-akibat satu arah dari pelepasan pencemaran kepada pertumbuhan ekonomi, dari penggunaan tenaga kepada pertumbuhan ekonomi dan dari penggunaan tenaga
kepada pelepasan karbon. Acaravci dan Ozturk (2010) menggunakan ujian kointegrasi dan Engle
Linh dan Lin (2012) menguji hubungan dinamik di antara pembebasan CO2, penggunaan
tenaga, FDI dan pertumbuhan ekonomi di Vietnam bagi tempoh 1980-2012 menggunakan kaedah ujian kointegrasi dan ujian sebab dan akibat Granger dan mendapati terdapat hubungan dua hala dalam jangka masa pendek di antara pendapatan Vietnam dan kemasukan FDI. Omri, Nguyen dan
Rault (2014) mengkaji hubungan sebab dan akibat di antara pembebasan CO2, pelaburan lansung
asing dan pertumbuhan ekonomi dengan menggunakan persamaan dinamik model data panel bagi 54 negara bagi tempoh 1990-2011 dan mendapati terdapat hubungan sebab dan akibat dua hala di
antara kemasukan FDI dan CO2 bagi semua panel, kecuali Eropah dan Asia Utara. Mereka juga
dapat menunjukkan bahawa terdapat hubungan sebab dan akibat sehala di antara pembebasan CO2
kepada pertumbuhan ekonomi, kecuali negara Timur Tengah, Afrika Utara dan Sahara. Shaari, et al., (2014) mengkaji hubungan di antara FDI dan pertumbuhan ekonomi terhadap pembebasan
CO2 dengan menggunakan data panel bermula dari 1992 sehingga 2012 bagi 15 negara
membangun. Ujian kointegrasi Johansen telah dijalankan dan terdapat hubungan kointegrasi di antara pembolehubah dan ujian FMOLS telah dijalankan dan mendapati bahawa FDI tidak
mempengaruhi pembebasan CO2 dalam jangka masa panjang, namun pertumbuhan ekonomi akan
meningkatkan pembebasan CO2. Shahbaz, et al., (2015) menggunakan data panel bagi 99 negara
bagi tempoh 1975-2015 mendapati terdapat hubungan jangka masa panjang dengan menggunakan
kaedah fully modified ordinary least square (FMOLS), dimana FDI meningkatkan pembebasan karbon.
METODOLOGI DAN DATA
Berdasarkan kajian lepas dan empirikal tentang ekonomi tenaga, kajian ini akan memdedahkan impak pertumbuhan ekonomi, penggunaan tenaga dan dalam kajian ini, kami menambahkan satu lagi pembolehubah iaitu kemasukan pelaburan daripada luar negara. Secara amnya, kajian lepas menunjukkan bahawa penggunaan tenaga, pertumbuhan ekonomi mempunyai hubungan yang positif dan signifikan dalam menerangkan pembebasan karbon dioksida. Oleh itu, model kami ini merupakan persamaan yang sama dengan kajian lepas tetapi kami mengubahsuai persamaan tersebut seperti di bawah:
lnCO2it= αit+ β1 lnGDPit+ β2lnENit+ β3lnFDIit+ €it (1)
Subjek i = 1…. N pula ialah menunjukkan negara dan t menunjukkan masa. Pembolehubah dalam
persamaan tersebut dibentuk oleh pengkaji dengan status log di mana CO2 merupakan pembebasan
karbon dioksida yang diukur dengan metric tan (KT), GDP merupakan pendapatan negara bersih
dan merupakan proksi kepada pertumbuhan ekonomi yang diukur dalam konstant LCU, EN membawa maksud jumlah penggunaan tenaga yang dikira dalam quadrillion BTU dan FDI membawa maksud kemasukan pelaburan ke dalam negara yang dikira dalam USD. Penggunaan tenaga merangkumi tenaga gas asli, arang batu, dan petroleum. Kesemua pembolehubah ini dikira
oleh pengkaji dalam masa 1980 hingga 2011. β1, β2, dan β3 bersamaan dengan keanjalan
Pengkaji menganggarkan kesemua β1, β2, dan β3 menghasilkan hubungan positif yang membawa
maksud setiap peratusan kesemua pembolehubah meningkatkan pembebasan karbon dioksida. Dalam ujian deskriptif (lihat bahagian appendix A), kesemua pembolehubah tersebut tidak memiliki sifat pengedaran yang normal kerana ujian jurque-bera signifikan. Graf (lihat appendix A) menunjukkan bahawa kesemua data tidak mempunyai trend bagi kesemua negara.
Ujian Panel Unit root
Dalam topik ini, kami menggunakan ujian unit root dalam mengenalpasti tahap kepegunan pembolehubah-pembolehubah. Ujian ini merupakan perkara asas dan penting sebelum pengkaji menjalankan beberapa kaedah lain kerana data yang mempunyai ciri tidak pegun boleh mempengaruhi keputusan anggaran yang tidak konsisten, tidak efisien dan wujud masalah berat sebelah. Oleh itu, terdapat beberapa kajian lepas yang mengkaji hal ini dengan mengenalpasti tahap kepegunan data iaitu Levin et al (2000), lm et al (2003), Maddala dan Wu (1999) dan Hadri
(2000). Kesemua ujian unit root ini berasaskan dengan regrasi Augmented Dickey-Fuller:
Dxit = ai + Bit+ ρ iXit-1+ eit
Error term adalah e. ai dan bi mengalakkan fixed dan trend masa dalam setiap i. hipotesis null dalam unit root ini adalah
Ho: ρi = 0,
Levin dan Lin (1992) mencadangkan hipotesis alternative di mana pekali autoregressive adalah homogenous sepanjang negara:
Ho: ρi= ρ < 0,
Ujian ini menunjukkan bahawa heterogeneity berada dalam kesan fixed
Lm et al (2003) mengubahsuai rangka kerja Levin dan Lin yang mengalakkan heterogeneity dalam setiap nilai pekali autoregressive. Hipotesis alternatif adalah seperti berikut:
Ho: ρ i <0, i …N, and ρ i = 0, i = N1 + 1,…N
Dalam ujian ini, individual I= 1…….N1 di mana Xit adalah pegun dan individu I= N1+1….n di
mana Xit dalam tidak pegun. Nilai statistik T dalam ujian ini dikira dengan menggunakan formula
di bawah:
� = ∑ � �
Ujian dalam Levin et al (2002) dan lm et al (2003) akan mengalami penurunan yang cepat apabila trend spesifik individu dimasukkan dalam ujian ini yang disebabkan oleh pembetulan bias.
Maddala dan Wu (1999) menggunakan rangka kerja Fisher (1932) yang mencadangkan mengira jumlah nilai p dalam ujian statistik bagi setiap unit root unit cross-sectional. Maddala dan
Wu mengatakan bahawa ujian jenis Fisher dengan nilai kebarangkalian bootstrapped merupakan
salah satu pilihan yang terbaik dalam menbuat ujian kointegrasi dengan menambahkan ujian tidak pegun dalam Panel. Statistik Maddala dan wu seperti di bawah:
� = − ∑ ln � �
�=
Pi merupakan nilai p dalam setiap ujian statistik ADF bagi setiap negara.
Terakhir dalam bahagian ini ialah, Hadri (2000) iaitu hipotesis null ialah pegun dalam siri masa berbanding tidak pegun. Rangka kerja dalam ujian ini diubahsuai oleh Hadri dengan merujuk kepada ujian unit root KPSS siri masa. Ujian Hadri dibuat dengan menggunakan asas residual
dalam ujian Lagrange multiplier. Model tersebut adalah seperti berikut:
Xit = rit + Bit + eit
Di mana rit adalah random walk yang dibagi dalam:
Rit = rit-1 + uit
Mereka menbuat andaian E (uit) =o dan E (Uit2) = 02it > 0. Hipotesis null adalah: Ho= 02u= 0 Ujian kointegrasi Panel
Kointegrasi antara pembolehubah-pembolehubah boleh diuji oleh pengkaji dengan menggunakan ujian kointegrasi heterogeneity yang dicadangkan oleh Pedroni (1999, 2000). Ujain ini membawa masuk kesan individu fixed dan trend yang boleh dilihat dalam persamaan di bawah:
lnCO2it = αit+ λit + β1 lnGDPit+ β2lnENit + β3lnFDIit+ €it (2)
Dimana €it = p€it-1 + uit adalah penganggaran residual daripada hubungan jangka masa panjang
panel. Parameter αit dan λi yang membawa maksud kebarangkalian kesan fixed kepada setiap
Dalam kategori ujian kointegrasi (within-dimension) terdapat empat jenis ujian statistik iaitu panel v-statistik, panel p-statistik, panel PP-statistik, dan panel ADF-statistik. Ujian ini mengambil kesamaan faktor masa dan mengalakkan heterogeneity sepanjang negara. Ujian kointegrasi (Between-dimension) pula ada 3 jenis ujian statistik iaitu p-statistik kumpulan, PP-statistik
kumpulan dan ADF-statistik kumpulan. Ujian ini pula menguji purata pekali autoregressive
individu bagi setiap negara.
Dalam kajian ini juga, pengkaji menambahkan dua lagi kaedah ekonomatrik dalam melihat hubungan kointegrasi jangka masa panjang antara pembolehubah tersebut. Pengkaji menggunakan
kaedah Fully Modified Ordinary Least Squares Method (FMOLS). Kaedah ini mempunyai
kelebihan kerana FMOLS boleh menghasilkan keputusan analisis yang tepat dan sempurna dengan sampel data yang sedikit. FMOLS merupakan kaedah yang dipekenalkan oleh Philips dan Hansen (1990) yang menganggarkan hubungan kointegrasi dalam gabungan data first different.
FMOLS ini dapat menyelesaikan masalah endoginity dan serial correlation atau autokolerasi
dalam persamaan. Hal ini menunjukkan bahawa nilai T-statistik dan pekali dalam persamaan ini lebih tepat (Himansu, 2007). Dynamics Ordinary Least Square (DOLS) pula diperkenalkan oleh Stock dan Watson (1990) yang memberi cadangan menggunakan parametrik untuk menganggar hubungan jangka masa panjang dalam persamaan tersebut. Potensi masalah endoginity dan bias
sesame pembolehubah telah diselesaikan oleh kaedah ini dengan memasukan lag dan led pada first
different dalam pembolehubah-pembolehubah tersebut. Kedua-dua kaedah ini digunakan oleh pengkaji untuk mengenal pasti ketepatan dan kesahihan hubungan jangka masa panjang dalam persamaan kajian ini.
Ujian Panel Causality
Kewujudan hubungan jangka masa panjang yang kointegrasi dalam persamaan tersebut memberi peluang pengkaji menlakukan ujian granger causality. Ujian ini boleh dilakukan oleh pengkaji
dengan menggunakan kaedah panel vector error correction model (VECM) (Pesaran et al, 1999)
dengan menggunakan rujukan dalam Engle dan Granger (1978). Ujian ini menggunakan rujukan model keseimbangan jangka masa panjang dalam persamaan (2) untuk mengenalpasti residual dan menggunakan lag residual dalam satu masa sebagai error correction term.
− (
� � �� �
) = ( � α α α
) + ∑ − �
�=
( )
(
�−� �−� ��−�
( ϕ ϕ ϕ ϕ
) ��− + ( � � � �
) (3)
Merujuk model di atas, L merupakan operater lag lXit = Xit-1 for all t>1), q merupakan
kepanjangan lag dalam asas Akaike Information Criteria (AIC), � merupakan siri yang tidak
kolerasi dengan error term dan � merupakan speed of adjustment.
Berdasarkan bentuk matrik di atas, terdapat dua sumber penyebaban boleh pengkaji mengenalpasti daripada penganggaran model dinamik error correction yang boleh menghasilkan keputusan penyebab jangka masa pendek dan jangka masa panjang. Contoh, jika hipotesis null,
= 0, ditolak, wujud penyebab jangka masa pendek daripada DCO2 ke DFDI. Jika hipotesis
yang bersambung seperti = =0 ditolak, wujud penyebab jangka masa pendek iaitu daripada
DEN dan DGDP kepada DCO2. Selain itu, penyebab jangka masa panjang dapat dilihat oleh
pengkaji dengan pekali error correction term. Contohnya, jika ϕ =0, tidak wujud penyebab jangka
HASIL EMPIRIKAL DAN PERBINCANGAN.
Jadual 1.0: Ujian Unit Root
Variables At Level At first difference
LLC Test
Note: a, b dan c merupakan petanda kepada signifikan 1%, 5% dan 10%. Hipotesis null bagi ujian Hadri ialah pegun dan alternatif ialah tidak pegun.
Merujuk jadual di atas, pembolehubah-pembolehubah dalam kajian ini mempunyai ciri data
kepegunan pada tahap first different. Pengkaji menjalankan ujian ini dengan memasukan intercept
Oleh itu, hasil daripada ujian unit root yang menunjukkan pembolehubah tersebut pegun pada tahap first different menyebabkan pengkaji boleh menjalankan ujian kointegrasi panel.
JADUAL 2.0: Ujian Kointegrasi Panel
Ujian statistic Tiada Trend Dengan Trend
Panel v-statistik
Nota: a, b dan c ialah nilai signifikan pada tahap 1%, 5% dan 10%.
Merujuk jadual di atas, pengkaji menjalankan ujian kointgerasi Pedroni (1999, 2004) untuk mengenalpasti hubungan kointgerasi di antara pembolehubah-pembolehubah. Dalam hasil ujian tersebut, hanya panel v-statistik dan group rho-statsitik sahaja yang tidak signifikan tetapi panel V-statistik tidak mempunyai sginifikan pada ciri trend dan tidak trend berbanding group rho-statistik hanya dengan trend sahaja tidak mempunyai nilai signifikan. Perkara ini menunjukkan 5 daripada 7 ujian statisitik dalam ciri trend dan tidak trend mempunyai nilai signifkan dan membawa maksud wujud kointegrasi dalam persamaan ini. Pengkaji juga menambah dua kaedah menguji kewujudan kointegrasi bagi memgukuhkan lagi bukti dalam ujian Pedroni tersebut. Ujian tersebut ialah Kao dan Fisher dalam jadual di bawah dan hasilnya terbukti wujud kointegrasi kerana dalam ujain Kao nilai ADF tersebut signifikan dan Fisher pula terdapat 2 kointegrasi dalam persamaan ini. Hasil analisis ini mengambarkan terbukti wujud pergerakkan jangka masa panjang di antara pembolehubah-pembolehubah dalam persamaan ini.
Jadual 3.0: ujian koingterasi KAO dan fisher
Ujian statistik Hasil ujian
KOA (ADF) -4.227a
Hypothesized no of ce(S)
Fisher stat (form trace test) Fisher stat (form max-eigen test)
Dengan menggunakan kaedah fully modified OLS (FMOLS) untuk kointegrasi panel yang pelbagai yang dibangunkan oleh Pedroni (2000), kita menganggarkan keseimbangan jangka masa panjang
antara pembebasan karbon, penggunaan tenaga, pendapatan negara dan pelaburan lansung asing.
Kelebihan menggunakan kaedah penganggaran FMOLS dalam kewujudan panel kointegrasi
adalah ia dapat mengatasi masalah ralat endogeneiti dan korelasi bersiri dan seterusnya
memberikan penganggaran yang lebih cekap bagi jangka masa panjang. FMOLS adalah kaedah
yang paling sesuai untuk digunakan dalam kewujudan kepelbagaian panel kointegrasi.
Jadual 4.0: Hasil Ujian FMOLS
COUNTRY LFDI LGDP LEN Nota : Nilai t-statistik adalah dalam kurungan. a, b dan c menunjukkan signifikan pada aras keertian 1%, 5% dan 10%.
Jadual 4.0 menunjukkan keputusan ujian FMOLS. Kita dapat lihat bahawa berdasarkan hasil ujian
panel (group), setiap pembolehubah mempunyai hubungan yang dijangkakan dan signifikan pada
aras keertian 1%. Apabila terdapat peningkatan 1% dalam penggunaan tenaga, pembebasan karbon
Hasil ini adalah selari dengan hasil kajian Apergis dan Payne (2009a, 2010a), Lean dan Smyth
(2010) dan Hammit (2012) yang melaporkan bahawa peningkatan dalam penggunaan tenaga akan
mengakibatkan peningkatan dalam pembebasan karbon dioksida. Bagi pendapatan negara pula,
apabila terdapat peningkatan 1% dalam pendapatan negara, pembebasan karbon dioksida akan
meningkat sebanyak 0.25% dan hal ini selari dengan kajian di France oleh Ang (2007), data panel
yang mengandungi 6 negara Amerika Tengah oleh Apergis dan Payne (2009a) dan juga bagi 5
negara ASEAN oleh Lean dan Smyth (2010). Kita juga dapat lihat bahawa peningkatan 1% dalam
pelaburan asing akan menyebabkan pembebasan karbon meningkat sebanyak 0.02%
Bagi keputusan setiap negara pula, hasil kajian kita mendapati dalam kesemua negara kecuali
Malaysia dan Indonesia, peningkatan dalam penggunaan tenaga akan menyebabkan peningkatan
dalam pembebasan karbon. Manakala, hasil bagi pendapatan negara adalah pelbagai di mana bagi
China dan India, pendapatan negara mengurangkan pembebasan karbon manakala bagi Malaysia
dan Pakistan, pendapatan negara meningkatkan pembebasan karbon. Jika dilihat dari aspek
pelaburan asing pula, peningkatan dalam pelaburan asing di China dan Malaysia akan
menyebabkan peningkatan dalam pembebasan karbon, namun tidak signifikan bagi negara-negara
lain. Sebagai langkah terakhir, kita mengenalpasti bukti kewujudan hubungan sebab akibat jangka
pendek dan jangka panjang di antara pembolehubah.
Hasil ujian DOLS ditunjukkan dalam Jadual 5.0 dan kita dapat lihat bahawa bagi kointegrasi
panel (group), pelaburan asing dan penggunaan tenaga adalah signifikan dalam mempengaruhi
pembebasan karbon pada aras keertian 1%. Hasil ini mengukuhkan lagi hasil ujian FMOLS,
dimana apabila terdapat peningkatan 1% dalam pelaburan asing dan penggunaan tenaga,
pembebasan karbon akan meningkat masing-masing sebanyak 0.02% dan 0.97%. Manakala bagi
setiap negara secara berasingan, penggunaan tenaga dalam seluruh negara kecuali Malaysia adalah
signifikan dalam meningkatkan pembebasan karbon. Dari aspek pendapatan negara pula,
peningkatan pendapatan negara akan menyebabkan peningkatan pembebasan karbon bagi
Malaysia dan Pakistan, manakala bagi Bangladesh, China dan Indonesia akan menyebabkan
pengurangan pembebasan karbon. Bagi pelaburan asing pula, hanya di China dan Indonesia yang
signifikan, di mana peningkatan pelaburan asing akan menyebabkan pembebasan karbon
Jadual 5.0: Hasil Ujian DOLS
Nota : Nilai t-statistik adalah dalam kurungan. a, b dan c menunjukkan signifikan pada aras keertian 1%, 5% dan 10%.
PANEL CAUSALITY TEST
Jadual 6.0: Ujian Panel Causality.
variables Sumber causation (pembolehubah tidak bersandar)
Jangka pendek Jangka panjang
ECT
lnCO2 lnGDP lnEN lnFDI
lnCO2 0.7663(4.40)a 0.401(3,678)a 0.004(0.690) -0.643(3.210)b
lnGDP 0.013(0.33) 0.052(0.95) 0.0009(0.315)
-0.316(3.1515)b
lnEn 0.088(1.527) 0.437(3.424)a -0.01(-2.10)c -0.0199(-1.34)
lnFDI -0.876(0.968) 3.239(1.70) 0.434(0.337) -0.960(-0.410)
Note: a, b,c is a 1%,5% and 10%
Merujuk jadual, Seterusnya, kita mengaplikasikan model pembetulan ralat panel bagi mengkaji
hubungan sebab dan akibat antara pembolehubah dan hasil ditunjukkan di dalam Jadual 6.0. Kajian
ini menubuhkan hubungan sebab akibat Granger satu arah jangka pendek dari penggunaan tenaga
dan pendapatan negara kepada pembebasan karbon dioksida dan hasil ini adalah selari dengan
Terdapat hasil ujian daripada kaedah VECM dalam mencari panel causality di antara
pembolehubah dalam persamaan ini. Dalam jangka sama pendek, terdapat hubungan di antara
pengeluaran negara kasar dan penggunaan tenaga dengan pembebasan karbon dioksida kerana
nilainya signifikan berbanding kemasukan pelaburan daripada luar negara. Hubungan tersebut
ialah uni-direction granger causality antara pertumbuhan ekonomi dan penggunaan tenaga kepada
pembebasan karbon dioksida. Hasil ujian ini juga mengambarkan bahawa wujud hubungan jangka
masa panjang dalam hal tersebut dengan nilai ECT bersifat negatif dan signifikan. Nilai ECT iaitu
-0.643 menunjukkan speed of adjustment ialah 1.5 atau 1.5 tahun diperlukan untuk mencapai
keseimbangan pada tahap tersebut. Pembolehubah GDP juga mempunyai hubungan jangka pendek
Uni-direction dengan penggunaan tenaga. Hal ini menunjukkan bahawa peningkatan GDP mempunyai hubungan dengan FDI.
KESIMPULAN
Selepas menjalankan kaedah-kaedah yang telah dibincangkan oleh pengkaji dibahagian
metodologi, pengkaji mendapati fokus kajian iaitu mengenalpasti hubungan jangka masa panjang
antara pembolehubah – pembolehubah dalam persamaan kajian dalam 7 negara pada tahun 1980
hingga 2011 telah dijawap dan terbukti berlaku kewujudan jangka masa panjang dalam persamaan
tersebut. Hasil kaedah FMOLS dan DOLS yang dijalankan oleh pengkaji mendapati terdapat
hubungan jangka masa panjang antara penggunaan tenaga dengan pembebasan karbon dioksida
secara analisis panel. Analisis secara individu atau setiap negara pula, kegunaan sumber tenaga
mempunyai nilai signifikan dalam majoriti negara iaitu Amerika syarikat, Bangladesh, China,
India dan Pakistan dan pertumbuhan ekonomi pula berada dalam negara China, India, Malaysia
dan Pakistan nilainya signifikan dan berhubung dengan pembebasan karbon dioksida.
Pembolehubah kemasukan pelaburan asing daripa luar negara pula hanya negara China dan
Malaysia sahaja yang mempunyai nilai signifikan. Hal ini mendapati negara yang rancak
membangun seperti China dan India menyebabkan pergerakan projek pembangunan dan sektor
industri rancak dijalankan oleh negara tersebut. Hal ini menyebabkan penggunaan tenaga dalam
Situasi ini amat membimbangkan kerana pembebasan karbon dioksida yang tidak terkawal
boleh menyebabkan kesan fenomena rumah hijau lebih serius. Fenomena ini boleh mengakibatkan
pemanasan global dan perubahan iklim yang tidak konsisten boleh memburukan keadaan dalam
negara tersebut dan seluruh negara. Pihak berwajib harus mencari jalan penyelesaian dengan
mengutamakan pemgunaan tenaga mesra alam atau tenaga diperbaharui seperti tenaga solar,
tenaga angin dan tenaga gelombang ombak. Tenaga tersebut kurang mengeluarkan karbon
dioksida malah mesra alam berbanding tenaga yang digunakan oleh negara tersebut.
RUJUKAN
A. Acaravci, I. (2010). on the relationship between energy consumption, CO2 emissions and economic growth in Europe. Energy 35, 5412-5420.
Amarawickrama A Himanshi, C. L. (2007). Electricity Demand for Sri Lanka: A Time Series Analysis. Surrey Energy Economics Discussion paper Series, No.118.
C Kao, M. C. (2001). On the estimation and inference of a cointegrated regression in panel data. Advances in Economics. vol. 15, 179-222.
Fisher, R. (1932). Statistical methods for research workers. Edinburg: Oliver & Boyd.
G.S Maddala, S. W. (1999). A comparative study of unit root test with panel data and a new simple test. Oxford Bulletin of Economics and statistic 61, 631-654.
H.M Pesaran, Y. s. (1999). Pooled mean group estimation of dynamic heterogeneous panels. Journal of the American Statistical Association 94, 621-634.
Hamit-Haggar, M. (2012). Greenhouse gas emissions, energy consumption and economic growth: A panel cointegration analysis from Canadian industrial sector perspective. energy Economics, 358-364. James Stock, M. W. (1993). A simple estimator of cointegrating vectors in higher order integrated system.
Econometrica, 783-820.
K, H. (2000). Testing for stationary in heterogeneous panel data. Econometric Journal 3, 148-161. K.S Lm, M. P. (2003). testing for unit roots in heterogeneous panels. Journal of econometrics, 53-74. lin a Levin, C. C. (2002). Unit root test in panel data: asymptotic and finite-sample properties. Journal of
Econometrics, 1-24.
Linh, D. H., Lin, S. M. 2012. CO2 Emissions, Energy Consumption, Economic Growth and FDI in Vietnam. Managing Global Transitions 12 (3) 219–232.
Menyah, K., Wolde-Rufael, Y., 2010. Energy consumption, pollutant emissions and economic growth in South Africa. Energy Economics (32) 1374–1382.
Omri, A., Nguyen, D. C., Rault, C. 2014. Causal interactions between CO2 emissions, FDI, and economic growth: Evidence from dynamic simultaneous-equation models. Economic Modelling (42) 382-389
P.C.B Phillips, B. H. (1990). "Statistical Inference in Instrumental Variables Regression with I(1) P rocesses". The review of economic studies, 99-125.
Pedroni, P. (1999). Critical Values for cointegration test in heterogeneous panel with multiple regressor. Oxford Bulletin of economics and statistic 61, 653-670.
Pedroni, P. (2000). Fully modified OLS for heterogeneous cointegration panels. advance in econometrics 15, 93-130.
Pesaran, H. (2004). General diagnostic tests for cross section dependence in panels. Cambridge Working Papers in Economics No. 435, University of Cambridge, and CESifo Working Paper Series No. 1229.
Econometrica 74,, 967–1012.
Pesaran, H. (2007). A simple panel unit root test in the presence of cross-section dependence. Journal of Applied Econometrics 22, 265-312.
R.F Engle, C. G. (1987). cointegration and error correction L representation, estimation and testing. Econometrica, 167-181.
Shaari, M. S., Hussain, N. R., Abdullah, H., Kamil, S. 2014. Relationship Among Foreign Direct Investment, Economic Growth And Co2 Emission: A Panel Data Analysis. International Journal Of Energy Economics And Policy (4) 706-715.
Sahir, M.H., Qureshi, A.H., 2007. Specific concerns of Pakistan in the context of energy security issues and geopolitics of the region. Energy Policy (35) 2031–2037
Shahbaz, M., Nasreen, S., Abbas, F., Anis, O. 2015. Does Foreign Direct Investment Impede Environmental Quality in High, Middle and Low Income Countries? Energy
Economics (51) 275-287.
Soytas, U., Sari, R., Ewing, B.T., 2007. Energy consumption, income, and carbon emissions in the United States. Ecological Economics (62) 482–489.
Stern, D.I., Cleveland, C.J., 2004. Energy and economic growth. Rensselaer Polytechnic Institute, Rensselaer Working Papers in Economics No. 0410.
Zaleski, P., 2001. Energy and geopolitical issues. In: Rao, D.B., Harshyita, D. (Eds.), Energy Security. Discovery Publishing House, New Delhi.
D
United States - 80 United States - 90 United States - 00 United States - 10 Bangladesh - 88
United States - 80 United States - 90 United States - 00 United States - 10 Bangladesh - 88
United States - 80 United States - 90 United States - 00 United States - 10 Bangladesh - 88