A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions

Autores
Baioni, Tomás
Año de publicación
2021
Idioma
inglés
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
In order to estimate both short run and long run effects on CO2 Emissions of several variables including EDI Inflows, Per Capita GDP, Gross Capital Formation, Trade Openness, Fossil Fuels Consumption, Renewable Energy, Population Density and Oil Price, we make use of a Dynamic Fixed Effects estimator (ARDL) for a dataset of 43 countries during the period 19802019. Our main results show that Fossil Fuels Consumption and Economic Growth significantly favors Carbon Dioxide Emissions, although this conclusion is inverted once we account for subsamples. Moreover, mitigation evidence from Renewable Energy sources is confirmed for the full sample. We develop as well a non-linear causality model, which tends to overcome the classical Granger approach while working with complex systems, to correctly assess causality between our variables. However, from our estimations, evidence of nonlinearity is ruled out for a set of variables. Hence, we address causality with the classical Granger Approach. With this technique, evidence of a two-way relation between Renewable Energy Sources and Carbon Emissions is confirmed.
Con el objetivo de estimar tanto efectos de corto plazo como de largo plazo en las Emisiones de CO2 de diferentes varables incluyendo Flujos de IED, PBI Per Cápita, Formación Bruta de Capital, Apertura Comercial, Consumo de Combustibles, Energía Renovable, Densidad Pobla- cional y Precio del Petróleo, hacemos uso de un estimador Dinámico de Efectos Fijos (ARDL) para una base de datos de 43 países durante el período 1980-2019. Nuestros resultados principales muestran que el Consumo de Combustibles Fósiles y el Crecimiento Económico favorecen significativamente a las Emisiones de Dióxido de Carbono, aunque esta conclusión se invierte una vez que se analiza por submuestras. Asimismo, evidencia de mitigación por parte de Fuentes de Energías Renovables es confirmada para la muestra en su conjunto. A su vez, desarrollamos un modelo de causalidad no linear, el cual tiende a superar el enfoque clásico de Causalidad ”á la” Granger al analizar sistemas complejos, para constatar correctamente causalidad entre las variables. A pesar de ello, a partir de nuestras estimaciones, evidencia de no linearidad es rechazada para un conjunto de variables. Por tal motivo, estimamos causalidad a través del clásico Enfoque de Granger. Con esta técnica, evidencia de una relación dual entre Fuentes de Energías Renovables y Emisiones de Carbono es confirmada.
Facultad de Ciencias Económicas
Materia
Ciencias Económicas
emissions
panel data
dynamic model
short run and long run effects
ARDL
emisiones
modelos en panel
modelo dinámico
efectos de corto y largo plazo
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/173770

id SEDICI_67fb7073404189d6d01f9f86f12e5a73
oai_identifier_str oai:sedici.unlp.edu.ar:10915/173770
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissionsBaioni, TomásCiencias Económicasemissionspanel datadynamic modelshort run and long run effectsARDLemisionesmodelos en panelmodelo dinámicoefectos de corto y largo plazoIn order to estimate both short run and long run effects on CO2 Emissions of several variables including EDI Inflows, Per Capita GDP, Gross Capital Formation, Trade Openness, Fossil Fuels Consumption, Renewable Energy, Population Density and Oil Price, we make use of a Dynamic Fixed Effects estimator (ARDL) for a dataset of 43 countries during the period 19802019. Our main results show that Fossil Fuels Consumption and Economic Growth significantly favors Carbon Dioxide Emissions, although this conclusion is inverted once we account for subsamples. Moreover, mitigation evidence from Renewable Energy sources is confirmed for the full sample. We develop as well a non-linear causality model, which tends to overcome the classical Granger approach while working with complex systems, to correctly assess causality between our variables. However, from our estimations, evidence of nonlinearity is ruled out for a set of variables. Hence, we address causality with the classical Granger Approach. With this technique, evidence of a two-way relation between Renewable Energy Sources and Carbon Emissions is confirmed.Con el objetivo de estimar tanto efectos de corto plazo como de largo plazo en las Emisiones de CO2 de diferentes varables incluyendo Flujos de IED, PBI Per Cápita, Formación Bruta de Capital, Apertura Comercial, Consumo de Combustibles, Energía Renovable, Densidad Pobla- cional y Precio del Petróleo, hacemos uso de un estimador Dinámico de Efectos Fijos (ARDL) para una base de datos de 43 países durante el período 1980-2019. Nuestros resultados principales muestran que el Consumo de Combustibles Fósiles y el Crecimiento Económico favorecen significativamente a las Emisiones de Dióxido de Carbono, aunque esta conclusión se invierte una vez que se analiza por submuestras. Asimismo, evidencia de mitigación por parte de Fuentes de Energías Renovables es confirmada para la muestra en su conjunto. A su vez, desarrollamos un modelo de causalidad no linear, el cual tiende a superar el enfoque clásico de Causalidad ”á la” Granger al analizar sistemas complejos, para constatar correctamente causalidad entre las variables. A pesar de ello, a partir de nuestras estimaciones, evidencia de no linearidad es rechazada para un conjunto de variables. Por tal motivo, estimamos causalidad a través del clásico Enfoque de Granger. Con esta técnica, evidencia de una relación dual entre Fuentes de Energías Renovables y Emisiones de Carbono es confirmada.Facultad de Ciencias Económicas2021-11info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/173770enginfo:eu-repo/semantics/altIdentifier/url/https://bd.aaep.org.ar/anales/works/works2021/baioni_2021.pdfinfo:eu-repo/semantics/altIdentifier/issn/1852-0022info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-04-15T11:49:47Zoai:sedici.unlp.edu.ar:10915/173770Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-04-15 11:49:48.151SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions
title A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions
spellingShingle A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions
Baioni, Tomás
Ciencias Económicas
emissions
panel data
dynamic model
short run and long run effects
ARDL
emisiones
modelos en panel
modelo dinámico
efectos de corto y largo plazo
title_short A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions
title_full A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions
title_fullStr A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions
title_full_unstemmed A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions
title_sort A dynamic fixed effects and nonlinear causality approach to analyze CO2 emissions
dc.creator.none.fl_str_mv Baioni, Tomás
author Baioni, Tomás
author_facet Baioni, Tomás
author_role author
dc.subject.none.fl_str_mv Ciencias Económicas
emissions
panel data
dynamic model
short run and long run effects
ARDL
emisiones
modelos en panel
modelo dinámico
efectos de corto y largo plazo
topic Ciencias Económicas
emissions
panel data
dynamic model
short run and long run effects
ARDL
emisiones
modelos en panel
modelo dinámico
efectos de corto y largo plazo
dc.description.none.fl_txt_mv In order to estimate both short run and long run effects on CO2 Emissions of several variables including EDI Inflows, Per Capita GDP, Gross Capital Formation, Trade Openness, Fossil Fuels Consumption, Renewable Energy, Population Density and Oil Price, we make use of a Dynamic Fixed Effects estimator (ARDL) for a dataset of 43 countries during the period 19802019. Our main results show that Fossil Fuels Consumption and Economic Growth significantly favors Carbon Dioxide Emissions, although this conclusion is inverted once we account for subsamples. Moreover, mitigation evidence from Renewable Energy sources is confirmed for the full sample. We develop as well a non-linear causality model, which tends to overcome the classical Granger approach while working with complex systems, to correctly assess causality between our variables. However, from our estimations, evidence of nonlinearity is ruled out for a set of variables. Hence, we address causality with the classical Granger Approach. With this technique, evidence of a two-way relation between Renewable Energy Sources and Carbon Emissions is confirmed.
Con el objetivo de estimar tanto efectos de corto plazo como de largo plazo en las Emisiones de CO2 de diferentes varables incluyendo Flujos de IED, PBI Per Cápita, Formación Bruta de Capital, Apertura Comercial, Consumo de Combustibles, Energía Renovable, Densidad Pobla- cional y Precio del Petróleo, hacemos uso de un estimador Dinámico de Efectos Fijos (ARDL) para una base de datos de 43 países durante el período 1980-2019. Nuestros resultados principales muestran que el Consumo de Combustibles Fósiles y el Crecimiento Económico favorecen significativamente a las Emisiones de Dióxido de Carbono, aunque esta conclusión se invierte una vez que se analiza por submuestras. Asimismo, evidencia de mitigación por parte de Fuentes de Energías Renovables es confirmada para la muestra en su conjunto. A su vez, desarrollamos un modelo de causalidad no linear, el cual tiende a superar el enfoque clásico de Causalidad ”á la” Granger al analizar sistemas complejos, para constatar correctamente causalidad entre las variables. A pesar de ello, a partir de nuestras estimaciones, evidencia de no linearidad es rechazada para un conjunto de variables. Por tal motivo, estimamos causalidad a través del clásico Enfoque de Granger. Con esta técnica, evidencia de una relación dual entre Fuentes de Energías Renovables y Emisiones de Carbono es confirmada.
Facultad de Ciencias Económicas
description In order to estimate both short run and long run effects on CO2 Emissions of several variables including EDI Inflows, Per Capita GDP, Gross Capital Formation, Trade Openness, Fossil Fuels Consumption, Renewable Energy, Population Density and Oil Price, we make use of a Dynamic Fixed Effects estimator (ARDL) for a dataset of 43 countries during the period 19802019. Our main results show that Fossil Fuels Consumption and Economic Growth significantly favors Carbon Dioxide Emissions, although this conclusion is inverted once we account for subsamples. Moreover, mitigation evidence from Renewable Energy sources is confirmed for the full sample. We develop as well a non-linear causality model, which tends to overcome the classical Granger approach while working with complex systems, to correctly assess causality between our variables. However, from our estimations, evidence of nonlinearity is ruled out for a set of variables. Hence, we address causality with the classical Granger Approach. With this technique, evidence of a two-way relation between Renewable Energy Sources and Carbon Emissions is confirmed.
publishDate 2021
dc.date.none.fl_str_mv 2021-11
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/173770
url http://sedici.unlp.edu.ar/handle/10915/173770
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://bd.aaep.org.ar/anales/works/works2021/baioni_2021.pdf
info:eu-repo/semantics/altIdentifier/issn/1852-0022
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1862569271913086976
score 13.203462