Ảnh hưởng của dấu chân carbon đến hành vi tiêu dùng của hộ gia đình

Dữ liệu nghiên cứu và phương pháp nghiên cứu

- Bước 1: chọn xã, phường độc lập theo hai khu vực thành thị và nông thôn theo phương pháp xác suất tỷ lệ với số hộ trong mỗi xã, phường. - Bước 2: từ mỗi xã, phường được chọn, chọn 3 địa bàn điều tra theo phương pháp xác suất tỷ lệ với số hộ trong mỗi địa bàn. - Bước 2: chọn 20 hộ gia đình từ bản kê danh sách các hộ gia đình của địa bàn được chọn theo phương pháp ngẫu nhiên hệ thống.

Cục thống kê sẽ chia đều số mẫu cho 4 kỳ và mỗi kì tổ chức thu thập số liệu theo phiếu phỏng vấn hộ gia đình về thu nhập và chi tiêu vào tháng đầu mỗi quý của năm 2002. Thống kê mô tả được là các hệ số mô tả ngắn gọn hay tóm tắt một tập dữ liệu nhất định, cũng có thể là đại diện cho toàn bộ hoặc một mẫu của một tổng thể. Xem xét để đưa dần vào phương trình hồi quy những biến có ý nghĩa nhất với phương trình hồi quy, thủ tục cũng xét để đưa ra khỏi phương trình đó biến độc lập khác theo một quy tắc xác định.

Nếu giả thiết H0 bị bác bỏ nghĩa là các biểu hiện trong mô hình có thể giải thích được sự thay đổi của Y, điều này cũng có nghĩa là mô hình xây dựng phù hợp với tập dữ liệu thu được. Việc xem xét R2 hiệu chỉnh là để trả lời xem các biến độc lập giải thích được bao nhiêu phần trăm thay đổi của biến phụ thuộc với các biến độc lập.

Giả thuyết nghiên cứu

Các hộ gia đình trẻ tuổi hơn có lượng khí thải tăng dần lên và sau đó lượng khí thải lại giảm khi các hộ gia đình già đi do có những thay đổi trong sở thích và mô hình tiêu dùng của họ. Một số nghiên cứu đã kết luận rằng EKC dường như không tồn tại trong trường hợp phát thải cacbon (Stern 2004; Lenzen và cộng sự 2006; Yaguchi, Sonobe và Otsuka 2007; Galeotti, Manera và Lanza 2009). Trong khi thu nhập hộ gia đình có thể yếu tố chính quyết định lượng phát thải, các đặc điểm khác của hộ gia đình có thể đóng vai trò quan trọng trong việc giải thích lượng khí thải carbon của hộ gia đình.

Các hộ gia đình thành thị ở các nước phát triển có lượng khí thải carbon thấp hơn vì người dân sống gần nơi làm việc hơn, gần trung tâm mua sắm và nơi giải trí đòi hỏi ít hơn năng lượng cho giao thông và các trung tâm đô thị có hệ thống giao thông công cộng tốt hơn (Lenzen và cộng sự 2006; Büchs và Schnepf 2013; và Ala- Mantila, Heinonen, và Junnila 2014). Lượng phát thải biên giảm dần ở quy mô hộ gia đình trung lưu thể hiện sự chia sẻ nguồn lực giữa các thành viên trong hộ nhưng do đó, khi có thêm thành viên, tổng lượng phát thải của hộ gia đình sẽ có xu hướng tăng. Diện tích nhà ở càng nhiều ảnh hưởng đến độ phát thải CO2 cũng càng nhiều bởi với diện tích lớn thì chúng ta cần chiếu sáng phù với diện tích, hoặc diện tích lớn sẽ nằm trong những gia đình mà họ kinh doanh, mà những hộ kinh doanh sẽ phải sử dụng nhiều nguyên liệu, nhiên liệu hơn để phục vụ quá trình sản xuất do đó sẽ làm tăng số lượng khí CO2 thải ra.

Nghiên cứu của Chakravarty, S., Chikkatur, A., Coninck, H., Pacala, S cho rằng số lượng xe máy trong gia đình càng nhiều thì lượng phát thải CO2 càng cao vì xe máy chạy bằng động cơ đốt trong, thường sử dụng xăng hoặc dầu diesel. Mỗi ô tô khi sử dụng sẽ thải ra một lượng khí CO2 nhất định và còn tăng tiêu thụ nhiên liệu nhiều ô tô trong gia đình có thể dẫn đến việc sử dụng nhiều nhiên liệu hơn.

Mô hình nghiên cứu

(2009), xe máy cũng ảnh hưởng đến dấu chân carbon qua việc tạo ra lưu lượng giao thông và sự tiêu tốn nhiên liệu của các phương tiện khác trong giao thông đường bộ. Quá trình đốt cháy này tạo ra khí thải carbon dioxide, góp phần làm tăng lượng CO2 trong không khí, gây ra hiệu ứng nhà kính và thúc đẩy biến đổi khí hậu. Ngoài ra, nhiên liệu sử dụng để chạy xe máy cũng tạo ra khí thải carbon dioxide trong quá trình vận hành hàng ngày.

H7: Số lượng xe máy trong gia đình của các hộ gia đình ảnh hưởng đến dấu chân Cacbon. Theo Hertwich và Peters, số lượng ô tô trong gia đình có ảnh hưởng trực tiếp đến dấu chân carbon của hộ gia đình. Tăng lượng khí thải khi một gia đình sở hữu nhiều ô tô, tổng lượng khí thải CO2 từ các phương tiện giao thông sẽ tăng lên đáng kể.

Việc này không chỉ gây ảnh hưởng đến dấu chân carbon mà còn có thể làm tăng chi phí nhiên liệu cho gia đình. H8: Số lượng ô tô trong gia đình của các hộ gia đình ảnh hưởng đến dấu chân Cacbon.

Mô hình hồi quy

Nhìn vào 2 hình tổng CO2 và lượng trung bình CO2, ta thấy vùng ĐBSH có tổng CO2 cao nhất do số lượng tỉnh thành phố lớn nhưng về lượng CO2 trung bình thì cả 2 vùng ĐNB và DHNTB là cao nhất. Đồng bằng sông Hồng là một vùng kinh tế lớn với nhiều tỉnh thành đông dân cư và phát triển công nghiệp, điều này góp phần vào việc tăng lượng phát thải CO2. Sự phát triển của các thành phố và các khu công nghiệp trong vùng đồng bằng sông Hồng cùng với sự tăng trưởng dân số và hoạt động kinh tế, đặc biệt là trong lĩnh vực giao thông và công nghiệp, đã tạo ra một lượng lớn phát thải CO2.

- URBAN: Đây là biến chỉ Nông Thôn hoặc Thành Thị - SIZE: Đây là biến số lượng thành viên trong hộ gia đình - HOME: Đây là biến diện tích nhà ở của hộ gia đình. - MOTOR: Đây là biến chỉ số lượng xe máy hộ gia đình sở hữu - CAR: Đây là biến chỉ số lượng xe oto hộ gia đình sở hữu - SEX: Đây là biến chỉ giới tính của chủ hộ. Bên cạnh đó, biến Home có tác động yếu nhất đến Dấu chân Carbon, khi mà Diện tích nhà ở của hộ gia đình thay đổi 1 đơn vị thì Dấu chân Carbon thay đổi 0.0006173%.

Ngoài ra, trong 7 biến có ý nghĩa thì có 2 biến có tác động nghịch chiều với Dấu chân Carbon được thể hiện qua cột hệ số hồi quy Coefficient, đó là biến Urban và Size. Nhìn vào bảng ta thấy hệ số tương quan dùng để lượng hoá mức độ chặt chẽ của mối quan hệ tuyến tính giữa các biến; Giá trị tuyệt đối của hệ số này càng tiến gần về 1 thì mức độ chặt chẽ càng cao và càng tiến gần về 0 thì mức độ chặt chẽ càng thấp.

Tài liệu nước ngoài

Associations between socio-economic factors and UK households' home energy, transport, indirect and total CO2 emissions. The carbon footprint of UK households 1990–2004: a Socio-economically disaggregated, Quasi-multi- regional input–output model. The relationship between CO2 emissions, energy consumption, economic growth and FDI: the case of Turkey.

Predictive Analytics Model for Optimizing Carbon Footprint From Students’ Learning Activities in Computer Science-Related Majors. Predicting online grocery buying intention: a comparison of the theory of reasoned action and the theory of planned behavior.