• Tidak ada hasil yang ditemukan

karbon dioksida dan pertumbuhan ekonomi

N/A
N/A
Protected

Academic year: 2018

Membagikan "karbon dioksida dan pertumbuhan ekonomi"

Copied!
17
0
0

Teks penuh

(1)

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).

(2)

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

(3)

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

(4)

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:

� = ∑ � �

(5)

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

(6)

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

) + ∑ − �

�=

( )

(

�−� �−� ��−�

(7)

( 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

(8)

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

(9)

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)

(10)

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

(11)

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

(12)

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

(13)

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

(14)

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.

(15)

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.

(16)

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

(17)

Referensi

Dokumen terkait

Jenis Penelitian ini tergolong penelitian kualitatif lapangan (field research) atau dalam penelitian hukum disebut penelitian empiris dengan pendekatan yuridis syar‟I

Penelitian ini menggunakan metode deskriptifyang menganalisis dan mendeskripsikan hal-hal mengenai kajian semantik terhadap peristilahan batu kecubung suku Melayu di

Peta (map/mappa) adalah gambaran seluruh atau sebagian dari permukaan bumi yg diperkecil pada sebuah bidang datar atau diproyeksikan dlm dua dimensi dgn metode dan perbandingan

Tujuan dari penelitian ini adalah untuk mengetahui pengaruh faktor motivasi konsumen, persepsi kualitas, dan sikap konsumen terhadap keputusan pembelian sepeda motor

Objek riset yang akan dievaluasi pada karya akhir ini adalah analisis implementasi Enterprise Resources Planning Route Profitability pada perusahaan Low Cost

3. Tanggung-Jawab: Sikap dan perilaku seseorang untuk melaksanakan tugas dan kewajibannya, yang seharusnya dia lakukan, terhadap diri sendiri,

• Guru memberikan evaluasi pembelajaran yang telah dibuat menggunakan Google Form kemudian link Google Form tersebut dibagikan kepada peserta didik melalui.

Sehubungan dengan perumahan, sejauh masalah ini diatur oleh hukum dan peraturan atau yang harus dikontrol oleh pejabat publik, Negara-negara Pihak harus memberikan kepada