Ảnh hưởng của dòng vốn đầu tư trực tiếp nước ngoài, tiêu thụ năng lượng và vấn đề đô thị hóa đến lượng khí thải CO2 ở các quốc gia châu á

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH NGUYỄN THỊ THANH HIỀN ẢNH HƯỞNG CỦA DÒNG VỐN ĐẦU TƯ TRỰC TIẾP NƯỚC NGỒI, TIÊU THỤ NĂNG LƯỢNG VÀ VẤN ĐỀ ĐƠ THỊ HĨA ĐẾN LƯỢNG KHÍ THẢI CO2 Ở CÁC QUỐC GIA CHÂU Á LUẬN VĂN THẠC SỸ KINH TẾ Tp Hồ Chí Minh - Năm 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH NGUYỄN THỊ THANH HIỀN ẢNH HƯỞNG CỦA DÒNG VỐN ĐẦU TƯ TRỰC TIẾP NƯỚC NGOÀI TIÊU, THỤ NĂNG LƯỢNG VÀ VẤN ĐỀ ĐƠ THỊ HĨA ĐẾN LƯỢNG KHÍ THẢI CO2 Ở CÁC QUỐC GIA CHÂU Á Chuyên ngành: TÀI CHÍNH – NGÂN HÀNG Mã số: 8340201 LUẬN VĂN THẠC SỸ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN KIM QUYẾN Tp Hồ Chí Minh - Năm 2018 LỜI CAM ĐOAN Tôi xin cam đoan luận văn tơi nghiên cứu thực hiện, số liệu kết nghiên cứu luận văn trung thực Nếu phát có gian lận tơi xin hồn tồn chịu trách nhiệm trước hội đồng, kết luận văn Tp Hồ Chí Minh, ngày….tháng….năm 2018 Tác giả MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC BẢNG BIỂU DANH MỤC HÌNH ẢNH Tóm tắt luận văn CHƯƠNG GIỚI THIỆU ĐỀ TÀI 1.1 Lý chọn đề tài 1.2 Mục tiêu nghiên cứu 1.3 Câu hỏi nghiên cứu 1.4 Phạm vi thu thập liệu đối tƣợng nghiên cứu 1.5 Phƣơng pháp nghiên cứu 1.6 Kết cấu đề tài CHƯƠNG CƠ SỞ LÝ THUYẾT VÀ BẰNG CHỨNG THỰC NGHIỆM 2.1 Cơ sở lý thuyết 2.1.1 Dòng vốn đầu tƣ trực tiếp nƣớc 2.1.2 Lý thuyết nơi ẩn giấu ô nhiễm 10 2.1.3 Lý thuyết vành ô nhiễm 13 2.1.4 Lý thuyết đƣờng cong Kuznets môi trƣờng 14 2.2 Bằng chứng thực nghiệm 16 2.2.1 FDI lƣợng khí thải CO2 16 2.2.2 Tiêu thụ lƣợng lƣợng khí thải CO2 21 2.2.3 Vấn đề thị hóa lƣợng khí thải CO2 26 CHƯƠNG PHƯƠNG PHÁP NGHIÊN CỨU 31 3.1 Quy trình nghiên cứu 31 3.2 Dữ liệu nghiên cứu 31 3.3 Phƣơng pháp nghiên cứu 32 3.4 Mơ hình giả thuyết nghiên cứu 33 3.4.1 Mơ hình nghiên cứu 34 3.4.2 Giả thuyết nghiên cứu 35 CHƯƠNG KẾT QUẢ NGHIÊN CỨU 37 4.1 Mô tả mẫu nghiên cứu 37 4.2 Ma trận tƣơng quan 41 4.3 Kết kiểm định tính dừng 45 4.4 Kết hồi quy 47 4.4.1 Toàn mẫu 47 4.4.2 Các quốc gia có thu nhập trung bình cận 50 4.4.3 Các quốc gia có thu nhập trung bình cận dƣới 54 4.5 So sánh kết 57 CHƯƠNG KẾT LUẬN 60 5.1 Kết luận 60 5.2 Hàm ý sách 62 5.3 Hạn chế đề tài hƣớng nghiên cứu 64 PHỤ LỤC DANH MỤC BẢNG BIỂU Bảng 2.1 Tổng hợp nghiên cứu trước 28 Bảng 3.1 Mô tả biến 35 Bảng 4.1 Mô tả thống kê biến 38 Bảng 4.2 Giá trị trung bình biến theo quốc gia 40 Bảng 4.3 Ma trận tương quan toàn mẫu 42 Bảng 4.4 Ma trận tương quan quốc gia thu nhập trung bình cận .43 Bảng 4.5 Ma trận tương quan quốc gia thu nhập trung bình cận 44 Bảng 4.6 Kết kiểm định nghiệm đơn vị biến 46 Bảng 4.7 Kết hồi quy ảnh hưởng dòng vốn đầu tư trực tiếp nước ngồi, tiêu thụ lượng đến lượng khí thải CO2 tồn mẫu .49 Bảng 4.8 Kết hồi quy ảnh hưởng dòng vốn đầu tư trực tiếp nước ngoài, tiêu thụ lượng đến lượng khí thải CO2 quốc gia có thu nhập trung bình cận 52 Bảng 4.9 Kết hồi quy ảnh hưởng dòng vốn đầu tư trực tiếp nước ngoài, tiêu thụ lượng đến lượng khí thải CO2 quốc gia có thu nhập trung bình cận 55 Bảng 4.10 Chênh lệch hệ số hồi quy quốc gia có thu nhập trung bình cận cận 58 DANH MỤC HÌNH ẢNH Hình 2.1 Đường cong Kuznets mơi trường 15 Tóm tắt luận văn Nghiên cứu xem xét tác động tiêu thụ lượng, đầu tư trực tiếp nước (FDI) đến lượng phát thải carbon dioxide (CO2) 37 quốc gia thu nhập trung bình Châu Á giai đoạn 1990 – 2016 dựa Chỉ số Phát triển Thế giới Ngân hàng Thế giới (World Bank), Hội nghị Liên Hiệp Quốc Thương mại Phát triển Cơ quan Quản lý thông tin lượng Kết phương pháp hồi quy GMM tiêu thụ lượng (tiêu thụ lượng sơ cấp, tiêu thụ lượng nhiên liệu hóa thạch) FDI có tác động chiều, vấn đề thị hóa có tác động ngược chiều đến lượng phát thải CO2 tồn mẫu, quốc gia có thu nhập trung bình cận quốc gia có thu nhập trung bình cận Hơn nữa, nghiên cứu thực nghiệm cho thấy nước có thu nhập trung bình, tiêu thụ lượng nhiên liệu sơ cấp hóa thạch làm tăng đáng kể phát thải CO2 dẫn đến vấn đề khí nhà kính Châu Á CHƢƠNG GIỚI THIỆU ĐỀ TÀI 1.1 Lý chọn đề tài Một khía cạnh có liên quan đến vấn đề hội nhập tài tồn cầu hóa thể thơng qua dịch chuyển dòng vốn quốc tế quốc gia Mặc dù khái niệm dòng vốn quốc tế phản ánh nhiều loại hình khác vốn, chẳng hạn dòng vốn hỗ trợ phát triển thức (Official Development Assistance), dòng vốn đầu tư gián tiếp dòng vốn đầu tư trực tiếp Trong đó, dòng vốn đầu tư trực tiếp nước nhận nhiều quan tâm nhà nghiên cứu giới nhà hoạch định sách thời gian qua với lý thực tế cho thấy dòng vốn đầu tư trực tiếp nước ngồi chiếm tỷ trọng lớn dòng vốn đầu tư vào quốc gia Đồng thời, vai trò dòng vốn đầu tư trực tiếp nước ngồi q trình phát triển quốc gia nhận vốn đầu tư công nhận nghiên cứu trước Chẳng hạn dòng vốn đầu tư trực tiếp nước ngồi giúp cho quốc gia nhận dòng vốn đầu tư tạo nhiều việc làm, giới thiệu truyền bá công nghệ kĩ thuật mới, chuyển giao tài sản vô hình, cải thiện phương pháp tổ chức gia tăng tính cạnh tranh quốc gia so với đối thủ cạnh tranh Qua thấy sách thu hút dòng vốn đầu tư trực tiếp nước thường thực thi đa số quốc gia giới, đặc biệt nước phát triển Tuy nhiên, dòng vốn đầu tư trực tiếp nước ngồi gây số hệ lụy tiêu cực cho quốc gia nhận đầu tư, điều mà nghiên cứu trước quan tâm Theo số báo cáo Hội nghị Liên Hiệp Quốc Thương mại Phát triển (United Nations Conference on Trade and Development), dòng vốn đầu tư trực tiếp nước ngồi thường tập trung vào ngành nghề có liên quan đến tài nguyên thiên nhiên (đặc biệt nông nghiệp, khai thác khống sản, sản xuất nhiên liệu hóa chất) Mặc dù 20 năm gần đây, dòng vốn đầu tư trực tiếp nước ngồi có xu hướng dịch chuyển sang ngành du lịch, ngành nghề thường cho sử dụng tài nguyên thiên nhiên hơn, thấy lượng đầu tư trực tiếp nước chảy vào quốc gia phát triển ngày gia tăng đáng kể chủ yếu tập trung vào ngành quốc gia đặc biệt ngành chủ yếu sử dụng tài nguyên thiên nhiên (UNCTAD, 2004; 2007) Bên cạnh đó, suy giảm chất lượng mơi trường có nhiều quan tâm sâu sắc nhà nghiên cứu phủ nước thập kỷ gần Đồng thời, dòng vốn đầu tư trực tiếp nước ngồi cơng nhận có liên quan đến số tác động tiêu cực đến chất lượng môi trường quốc gia nhận đầu tư Trong thực tế, việc dòng vốn đầu tư trực tiếp nước ngồi có thật đóng vai trò quan trọng việc phát triển bền vững hay khơng phụ thuộc đáng kể vào cách quản lý phủ nước tiếp nhận đầu tư Nói cách khác, dòng vốn đầu tư trực tiếp nước ngồi phụ thuộc vào tầm nhìn Chính phủ phát triển kinh tế quản lý môi trường Tuy nhiên, việc xác định thay đổi mơi trường dịch chuyển dòng vốn đầu tư trực tiếp nước nước toàn cầu đặc biệt dịch chuyển đến nước phát triển dường khơng dễ dàng gây tranh luận phức tạp quan điểm khác Một mặt, nhà đầu tư – người dịch chuyển dòng vốn đầu tư trực tiếp nước ngồi để tìm kiếm tài ngun thiên nhiên, dường họ tìm kiếm quốc gia để đầu tư với mục đích đảm bảo mức lợi nhuận kinh tế đạt cao Có thể thấy quốc gia giàu tài nguyên thiên nhiên thường có khung điều tiết mơi trường yếu khơng hiệu (UNCTAD, 2004; 2007) Do nhà đầu tư dịch chuyển dòng vốn đầu tư vào quốc gia mang theo phong cách “các nước phương Tây” “các nước công nghiệp” Khi mơi trường sống quốc gia nhận đầu tư gặp phải mối đe dọa cao, kết lượng khí thải CO2 quốc gia có xu hướng gia tăng liên tục tương đối cao Mặt khác, đầu tư quốc tế mang lại lợi ích cho mơi trường tự nhiên quốc gia nhận đầu tư Đặc biệt, dịch chuyển dòng vốn đầu tư trực tiếp 65 nhiều yếu tố khác có ảnh hưởng đến lượng khí thải CO2 quốc gia mà chưa đề cập đến Vì hạn chế thứ tư đề tài Từ hạn chế đề tài này, luận văn đưa số hướng nghiên cứu nhằm khắc phục hạn chế mà luận văn mắc phải Đầu tiên nghiên cứu sau nên cố gắng sử dụng mẫu nghiên cứu bao gồm quốc gia giới để xem xét tồn diện tổng thể ảnh dòng vốn đầu tư trực tiếp nước ngoài, tiêu thụ lượng đến lượng khí thải CO2 quốc gia Ngoài ra, nghiên cứu sau cân nhắc đến việc xem xét đưa thêm biến độc lập khác so với biến mà Behera Dash (2017) đề nghị nghiên cứu quốc gia Đông Á Nam Á nhằm mục đích xem xét ảnh hưởng dòng vốn đầu tư trực tiếp nước ngồi, tiêu thụ lượng đến lượng khí thải CO2 yếu tố khác đến lượng khí thải CO2 cách toàn diện TÀI LIỆU THAM KHẢO Abdouli, M., & Hammami, S (2017) The impact of FDI inflows and environmental quality on economic growth: an empirical study for the mena countries Journal of the Knowledge Economy, 8(1), 254-278 Aliyu, M A (2005, June) Foreign direct investment and the environment: Pollution haven hypothesis revisited In Eight Annual Conference on Global Economic Analysis, Lübeck, Germany (pp 9-11) Al-Mulali, U., & Ozturk, I (2015) The effect of energy consumption, urbanization, trade openness, industrial output, and the political stability on the environmental degradation in the MENA (Middle East and North African) region Energy, 84, 382-389 Al-mulali, U., Fereidouni, H G., Lee, J Y., & Sab, C N B C (2013) Exploring the relationship between urbanization, energy consumption, and CO2 emission in MENA countries Renewable and Sustainable Energy Reviews, 23, 107112 Arouri, M E H., Youssef, A B., M'henni, H., & Rault, C (2012) Energy consumption, economic growth and CO2 emissions in Middle East and North African countries Energy policy, 45, 342-349 Atici, C (2012) Carbon emissions, trade liberalization, and the Japan– ASEAN interaction: A group-wise examination Journal of the Japanese and International Economies, 26(1), 167-178 Baek, J (2016) A new look at the FDI–income–energy–environment nexus: dynamic panel data analysis of ASEAN Energy Policy, 91, 22-27 Baek, J., & Koo, W W (2009) A dynamic approach to the FDIenvironment nexus: the case of China and India Behera, S R., & Dash, D P (2017) The effect of urbanization, energy consumption, and foreign direct investment on the carbon dioxide emission in the SSEA (South and Southeast Asian) region Renewable and Sustainable Energy Reviews, 70, 96-106 Cole, M A (2004) Trade, the pollution haven hypothesis and the environmental Kuznets curve: examining the linkages Ecological economics, 48(1), 71-81 De Mello, L R (1999) Foreign direct investment-led growth: evidence from time series and panel data Oxford economic papers, 51(1), 133-151 Di, W (2007) Pollution abatement cost savings and FDI inflows to polluting sectors in China Environment and Development Economics, 12(6), 775-798 Dogan, E., & Seker, F (2016) Determinants of CO2 emissions in the European Union: The role of renewable and non-renewable energy Renewable Energy, 94, 429-439 Eskeland, G S., & Harrison, A E (2003) Moving to greener pastures? Multinationals and the pollution haven hypothesis Journal of development economics, 70(1), 1-23 Fodha, M., & Zaghdoud, O (2010) Economic growth and pollutant emissions in Tunisia: an empirical analysis of the environmental Kuznets curve Energy Policy, 38(2), 1150-1156 Grimes, P., & Kentor, J (2003) Exporting the greenhouse: foreign capital penetration and CO? Emissions 1980 1996 journal of world-systems research, 9(2), 261-275 Grossman, G M., & Krueger, A B (1995) Economic growth and the environment The quarterly journal of economics, 110(2), 353-377 Hitam, M B., & Borhan, H B (2012) FDI, growth and the environment: impact on quality of life in Malaysia Procedia-Social and Behavioral Sciences, 50, 333-342 Hoffmann, R., Lee, C G., Ramasamy, B., & Yeung, M (2005) FDI and pollution: a granger causality test using panel data Journal of International Development: The Journal of the Development Studies Association, 17(3), 311-317 Hossain, M S (2011) Panel estimation for CO2 emissions, energy consumption, economic growth, trade openness and urbanization of newly industrialized countries Energy Policy, 39(11), 6991-6999 Javorcik, B S., & Wei, S (2004) Pollution havens and foreign direct invest Jiang, Y (2015) Foreign direct investment, pollution, and the environmental quality: a model with empirical evidence from the Chinese regions The International Trade Journal, 29(3), 212-227 Jorgenson, A K (2007) Foreign direct investment and pesticide use intensity in less-developed countries: A quantitative investigation Society and natural resources, 20(1), 73-83 Kim, M H., & Adilov, N (2012) The lesser of two evils: an empirical investigation of foreign Economics, 44(20), 2597-2606 direct investment-pollution tradeoff Applied Kivyiro, P., & Arminen, H (2014) Carbon dioxide emissions, energy consumption, economic growth, and foreign direct investment: Causality analysis for Sub-Saharan Africa Energy, 74, 595-606 Lee, J W (2013) The contribution of foreign direct investment to clean energy use, carbon emissions and economic growth Energy Policy, 55, 483-489 Lensink, R., & Morrissey, O (2000) Aid instability as a measure of uncertainty and the positive impact of aid on growth The Journal of Development Studies, 36(3), 31-49 Linh, D., & Lin, S M (2015) Dynamic causal relationships among CO2 emissions, energy consumption, economic growth and FDI in the most populous Asian Countries Advances in Management and Applied Economics, 5(1), 69-88 Lotfalipour, M R., Falahi, M A., & Ashena, M (2010) Economic growth, CO2 emissions, and fossil fuels consumption in Iran Energy, 35(12), 5115-5120 Mugableh, M I (2013) Analysing the CO2 emissions function in Malaysia: Autoregressive distributed lag approach Procedia Economics and Finance, 5, 571580 Omri, A., Nguyen, D K., & Rault, C (2014) Causal interactions between CO2 emissions, FDI, and economic growth: Evidence from dynamic simultaneousequation models Economic Modelling, 42, 382-389 Pao, H T., & Tsai, C M (2010) CO2 emissions, energy consumption and economic growth in BRIC countries Energy policy, 38(12), 7850-7860 Sadorsky, P (2014) The effect of urbanization on CO2 emissions in emerging economies Energy Economics, 41, 147-153 Shafiei, S., & Salim, R A (2014) Non-renewable and renewable energy consumption and CO2 emissions in OECD countries: A comparative analysis Energy Policy, 66, 547-556 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 Sharma, S S (2011) Determinants of carbon dioxide emissions: empirical evidence from 69 countries Applied Energy, 88(1), 376-382 Tamazian, A., & Rao, B B (2010) Do economic, financial and institutional developments matter for environmental degradation? Evidence from transitional economies Energy Economics, 32(1), 137-145 Tang, C F., & Tan, B W (2015) The impact of energy consumption, income and foreign direct investment on carbon dioxide emissions in Vietnam Energy, 79, 447-454 Tobey, J A (1990) The effects of domestic environmental policies on patterns of world trade: an empirical test Kyklos, 43(2), 191-209 Xu, B., & Lin, B (2015) How industrialization and urbanization process impacts on CO2 emissions in China: evidence from nonparametric additive regression models Energy Economics, 48, 188-202 PHỤ LỤC Danh sách quốc gia mẫu nghiên cứu STT Quốc gia STT Quốc gia Armenia 20 Pakistan Azerbaijan 21 Papua New Guinea Bangladesh 22 Philippines Bhutan 23 Russian Federation Cambodia 24 Samoa China 25 Sri Lanka Fiji 26 Syrian Arab Republic India 27 Tajikistan Indonesia 28 Thailand 10 Iran, Islamic Rep 29 Tonga 11 Iraq 30 Tunisia 12 Jordan 31 Turkey 13 Kazakhstan 32 Turkmenistan 14 Kyrgyz Republic 33 Ukraine 15 Lao PDR 34 Uzbekistan 16 Lebanon 35 Vanuatu 17 Malaysia 36 Vietnam 18 Maldives 37 Yemen, Rep 19 Mongolia variable mean co2 fdi urban pec ffec 2.966146 3.543077 4456371 4.263955 3.902808 sd p50 max N 10.187 0006513 4.903595 -37.24258 1985181 12977 13.46649 0009147 12.2676 0009147 2317519 2.066065 42782 3777995 3707179 92.22335 45.14587 87914 119.9258 107.9677 925 925 925 925 925 coutry co2 fdi ffec pec urban Armenia Azerbaijan Bangladesh Bhutan Cambodia China Fiji India Indonesia Iran, Islamic Re Iraq Jordan Kazakhstan Kyrgyz Republic Lao PDR Lebanon Malaysia Maldives Mongolia Pakistan Papua New Guinea Philippines Russian Federati Samoa Sri Lanka Syrian Arab Repu Tajikistan Thailand Tonga Tunisia Turkey Turkmenistan Ukraine Uzbekistan Vanuatu Vietnam Yemen, Rep .0836459 4428279 4155088 0029213 0307763 54.53837 0166624 12.23988 3.366208 4.30756 9591669 1726966 1.807118 0763822 0066765 159091 1.455673 0081232 0943525 1.166831 0385919 7260325 16.26243 0014947 1181195 4763092 0507694 2.232339 0014755 1901431 2.42817 4670546 3.351026 1.094504 000982 7933422 1641304 4.409756 9.409149 8315041 1.192733 7.204507 2.964883 5.93848 1.29948 1.009523 6038242 127367 6.227211 6.674043 5.045274 3.593393 7.534396 4.222254 5.253022 6.495607 1.125371 1.120987 1.511115 1.711762 2.127857 1.126815 1.407355 3.5454 2.670375 5.056632 3.167371 1.207894 6.122073 2.851749 1.20903 7.698019 6.139549 1.258098 1245665 6204073 7097892 0045303 048215 64.22101 0235673 15.69858 4.739978 6.901189 1.207371 2614413 2.194963 1106217 0089525 2235377 2.252486 0110554 1005288 1.831086 0524574 9710514 25.32992 0022115 1679742 7115262 0772343 3.351268 0023354 3000804 3.309249 8081817 4.84408 1.920567 0013388 1.028189 2323652 1644038 6415063 718478 0343582 0533136 69.84935 0279617 17.07304 4.911105 7.002742 1.240935 2636598 2.28138 2229761 0417114 2328398 2.32654 0110624 1020737 2.111207 0618117 1.143027 28.46073 0026361 2086683 73827 2346526 3.452611 0023356 301806 3.748915 800973 5.784577 2.0028 0013513 1.278129 232408 6441996 5273436 2678408 2914972 1892964 41672 4929968 2914584 4458516 6648524 6889764 8069872 5479248 356536 2676348 8630608 649586 3376256 6262088 3467992 1336644 4665316 7354552 2087244 1840692 5347896 272042 379078 2318364 6422932 6720152 4703648 6792528 371482 2283172 2701856 285074 co2 fdi urban pec ffec co2 1.0000 fdi -0.0797 0.0153 1.0000 urban 0.0873 0.0079 0.0732 0.0261 1.0000 pec 0.9954 0.0000 -0.0890 0.0068 0.1138 0.0005 1.0000 ffec 0.9963 0.0000 -0.0892 0.0066 0.1120 0.0006 0.9996 0.0000 1.0000 co2 fdi urban pec ffec co2 1.0000 fdi -0.1285 0.0128 1.0000 urban 0.0216 0.6772 -0.0270 0.6022 1.0000 pec 0.9952 0.0000 -0.1417 0.0060 0.0577 0.2652 1.0000 ffec 0.9962 0.0000 -0.1417 0.0060 0.0539 0.2978 0.9996 0.0000 1.0000 co2 fdi urban pec ffec co2 1.0000 fdi -0.1142 0.0073 1.0000 urban 0.0110 0.7970 0.0993 0.0199 1.0000 pec 0.9964 0.0000 -0.1224 0.0041 0.0268 0.5307 1.0000 ffec 0.9971 0.0000 -0.1254 0.0032 0.0217 0.6116 0.9993 0.0000 1.0000 Dynamic panel-data estimation, two-step system GMM Group variable: id Time variable : year Number of instruments = 15 Wald chi2(3) = 1.46e+07 Prob > chi2 = 0.000 co2 Coef fdi urban ffec _cons 0190183 -.6468361 8357904 0089449 Number of obs Number of groups Obs per group: avg max Std Err .0045969 2660299 0012148 0751467 z 4.14 -2.43 688.01 0.12 P>|z| 0.000 0.015 0.000 0.905 = = = = = 888 37 24 24.00 24 [95% Conf Interval] 0100086 -1.168245 8334095 -.1383399 028028 -.1254272 8381714 1562297 Warning: Uncorrected two-step standard errors are unreliable Instruments for first differences equation Standard D.L.ffec GMM-type (missing=0, separate instruments for each period unless collapsed) L(2/12).co2 collapsed Instruments for levels equation Standard F.urban fdi _cons Arellano-Bond test for AR(1) in first differences: z = Arellano-Bond test for AR(2) in first differences: z = Sargan test of (Not robust, Hansen test of (Robust, but overid restrictions: chi2(11) = 488.70 but not weakened by many instruments.) overid restrictions: chi2(11) = 13.89 weakened by many instruments.) -0.66 -1.06 Pr > z = Pr > z = 0.509 0.287 Prob > chi2 = 0.000 Prob > chi2 = 0.239 Dynamic panel-data estimation, two-step system GMM Group variable: id Time variable : year Number of instruments = 15 Wald chi2(3) = 2.35e+07 Prob > chi2 = 0.000 co2 Coef fdi urban pec _cons 0111796 -.3448425 7114563 0357392 Number of obs Number of groups Obs per group: avg max Std Err .002102 2050335 0007014 0765473 z 5.32 -1.68 1014.31 0.47 P>|z| 0.000 0.093 0.000 0.641 = = = = = 888 37 24 24.00 24 [95% Conf Interval] 0070598 -.7467007 7100815 -.1142908 0152994 0570157 7128311 1857691 Warning: Uncorrected two-step standard errors are unreliable Instruments for first differences equation Standard D.pec GMM-type (missing=0, separate instruments for each period unless collapsed) L(2/12).co2 collapsed Instruments for levels equation Standard F.urban fdi _cons Arellano-Bond test for AR(1) in first differences: z = Arellano-Bond test for AR(2) in first differences: z = Sargan test of (Not robust, Hansen test of (Robust, but overid restrictions: chi2(11) =1254.70 but not weakened by many instruments.) overid restrictions: chi2(11) = 12.72 weakened by many instruments.) 0.87 0.97 Pr > z = Pr > z = 0.383 0.332 Prob > chi2 = 0.000 Prob > chi2 = 0.312 Dynamic panel-data estimation, two-step system GMM Group variable: id Time variable : year Number of instruments = 15 Wald chi2(3) = 7.61e+08 Prob > chi2 = 0.000 co2 Coef fdi urban ffec _cons 0399879 -2.428353 8439237 5681151 Number of obs Number of groups Obs per group: avg max Std Err .0041617 4544915 00161 1876837 z 9.61 -5.34 524.17 3.03 = = = = = 360 15 24 24.00 24 P>|z| [95% Conf Interval] 0.000 0.000 0.000 0.002 0318311 -3.31914 8407681 2002618 0481448 -1.537566 8470793 9359683 Warning: Uncorrected two-step standard errors are unreliable Instruments for first differences equation Standard D.L.ffec GMM-type (missing=0, separate instruments for each period unless collapsed) L(2/12).co2 collapsed Instruments for levels equation Standard F.urban fdi _cons Arellano-Bond test for AR(1) in first differences: z = Arellano-Bond test for AR(2) in first differences: z = Sargan test of (Not robust, Hansen test of (Robust, but overid restrictions: chi2(11) = 232.84 but not weakened by many instruments.) overid restrictions: chi2(11) = 11.44 weakened by many instruments.) 0.21 -1.54 Pr > z = Pr > z = 0.837 0.122 Prob > chi2 = 0.000 Prob > chi2 = 0.407 Dynamic panel-data estimation, two-step system GMM Group variable: id Time variable : year Number of instruments = 15 Wald chi2(3) = 7.75e+07 Prob > chi2 = 0.000 co2 Coef fdi urban pec _cons 0073972 -2.507435 7097487 1.284435 Number of obs Number of groups Obs per group: avg max Std Err .003347 1673569 0007296 1161938 z 2.21 -14.98 972.73 11.05 P>|z| 0.027 0.000 0.000 0.000 = = = = = 360 15 24 24.00 24 [95% Conf Interval] 0008371 -2.835448 7083186 1.056699 0139573 -2.179421 7111788 1.512171 Warning: Uncorrected two-step standard errors are unreliable Instruments for first differences equation Standard D.L.pec GMM-type (missing=0, separate instruments for each period unless collapsed) L(2/12).co2 collapsed Instruments for levels equation Standard F.urban fdi _cons Arellano-Bond test for AR(1) in first differences: z = Arellano-Bond test for AR(2) in first differences: z = Sargan test of (Not robust, Hansen test of (Robust, but overid restrictions: chi2(11) = 505.67 but not weakened by many instruments.) overid restrictions: chi2(11) = 13.18 weakened by many instruments.) 1.03 0.92 Pr > z = Pr > z = 0.301 0.359 Prob > chi2 = 0.000 Prob > chi2 = 0.282 Dynamic panel-data estimation, two-step system GMM Group variable: id Time variable : year Number of instruments = 15 Wald chi2(3) = 714338.33 Prob > chi2 = 0.000 co2 Coef fdi urban ffec _cons 0519282 -.6685846 9184631 -.1600869 Number of obs Number of groups Obs per group: avg max Std Err .0035303 1822657 002476 0919087 z 14.71 -3.67 370.94 -1.74 P>|z| 0.000 0.000 0.000 0.082 = = = = = 484 22 22 22.00 22 [95% Conf Interval] 045009 -1.025819 9136102 -.3402247 0588474 -.3113504 923316 0200509 Warning: Uncorrected two-step standard errors are unreliable Instruments for first differences equation Standard D.(F.urban L2.fdi) D.L.ffec GMM-type (missing=0, separate instruments for each period unless collapsed) L(2/12).co2 collapsed Instruments for levels equation Standard F.urban L2.fdi _cons Arellano-Bond test for AR(1) in first differences: z = Arellano-Bond test for AR(2) in first differences: z = Sargan test of (Not robust, Hansen test of (Robust, but overid restrictions: chi2(11) = 33.72 but not weakened by many instruments.) overid restrictions: chi2(11) = 13.38 weakened by many instruments.) -1.05 -1.01 Pr > z = Pr > z = 0.292 0.315 Prob > chi2 = 0.000 Prob > chi2 = 0.269 Difference-in-Hansen tests of exogeneity of instrument subsets: gmm(co2, collapse eq(diff) lag(2 12)) Hansen test excluding group: chi2(0) = 0.00 Prob > Difference (null H = exogenous): chi2(11) = 13.38 Prob > iv(L.ffec, eq(diff)) Hansen test excluding group: chi2(10) = 13.31 Prob > Difference (null H = exogenous): chi2(1) = 0.07 Prob > iv(F.urban L2.fdi) Hansen test excluding group: chi2(9) = 7.77 Prob > Difference (null H = exogenous): chi2(2) = 5.61 Prob > chi2 = chi2 = 0.269 chi2 = chi2 = 0.207 0.791 chi2 = chi2 = 0.558 0.060 Dynamic panel-data estimation, two-step system GMM Group variable: id Time variable : year Number of instruments = 15 Wald chi2(3) = 438610.11 Prob > chi2 = 0.000 co2 Coef fdi urban pec _cons 017901 -.4090427 7951971 -.0942076 Number of obs Number of groups Obs per group: avg max Std Err .0010851 1105274 0020256 0496628 z 16.50 -3.70 392.57 -1.90 P>|z| 0.000 0.000 0.000 0.058 = = = = = 528 22 24 24.00 24 [95% Conf Interval] 0157743 -.6256723 791227 -.1915448 0200277 -.192413 7991672 0031296 Warning: Uncorrected two-step standard errors are unreliable Instruments for first differences equation Standard D.L.pec GMM-type (missing=0, separate instruments for each period unless collapsed) L(2/12).co2 collapsed Instruments for levels equation Standard F.urban fdi _cons Arellano-Bond test for AR(1) in first differences: z = Arellano-Bond test for AR(2) in first differences: z = Sargan test of (Not robust, Hansen test of (Robust, but overid restrictions: chi2(11) = 90.41 but not weakened by many instruments.) overid restrictions: chi2(11) = 13.53 weakened by many instruments.) -1.16 0.46 Pr > z = Pr > z = 0.246 0.646 Prob > chi2 = 0.000 Prob > chi2 = 0.260 ... hệ dòng vốn đầu tư trực tiếp nước ngồi mơi trường Đó lý học viên lựa chọn đề tài Ảnh hưởng dòng vốn đầu tư trực tiếp nước ngồi tiêu thụ lượng vấn đề thị hóa đến lượng khí thải CO2 quốc gia Châu. .. - Dòng vốn đầu tư trực tiếp nước ngồi có ảnh hưởng đến lượng khí thải CO2 quốc gia có thu nhập trung bình Châu Á giai đoạn 1992 – 2016 hay khơng? - Tiêu thụ lượng có ảnh hưởng đến lượng khí thải. .. quy ảnh hưởng dòng vốn đầu tư trực tiếp nước ngồi, tiêu thụ lượng đến lượng khí thải CO2 quốc gia có thu nhập trung bình cận 52 Bảng 4.9 Kết hồi quy ảnh hưởng dòng vốn đầu tư trực