Một số yếu tố kinh tế xã hội ảnh hưởng đến lượng khí thải CO2 của một quốc gia công nghiệp 2011-2020

ĐẠI HỌC UEH
TRƯỜNG CÔNG NGHỆ VÀ THIẾT KẾ

KHOA TOÁN – THỐNG KÊ
MỘT SỐ YẾU TỐ KINH TẾ XÃ HỘI ẢNH

HƯỞNG ĐẾN LƯỢNG KHÍ THẢI CO2 DỰA
TRÊN SỰ TIÊU THỤ CỦA MỘT QUỐC GIA
CÔNG NGHIỆP GIAI ĐOẠN 2011 – 2020
Giảng viên: Cô Trần Thị Tuấn Anh

Mã lớp học phần: 23C1MAT50801101
Thành viên nhóm – MSSV:
1. Hoàng Ngọc Vân Anh (31211020336)
2. Nguyễn Thanh Dũng (31211021076)
3. Nguyễn Thúy Quỳnh (31211020934)
4. Nguyễn Đoàn Ngọc Trâm (31211025739)
Email: dungnguyen.31211021076@st.ueh.edu.vn
TP Hồ Chí Minh, tháng 09 năm 2023

MỤC LỤC
DANH MỤC HÌNH ẢNH.........................................................................................3
TÓM TẮT..................................................................................................................5
CHƯƠNG 1: GIỚI THIỆU......................................................................................6
1.1. Lý do chọn đề tài..............................................................................................6
1.2. Mục tiêu và câu hỏi nghiên cứu........................................................................7
1.2.1. Mục tiêu nghiên cứu...................................................................................7
1.2.2. Câu hỏi nghiên cứu....................................................................................7
1.3. Đối tượng nghiên cứu và phạm vi nghiên cứu.................................................8
1.4. Phương pháp nghiên cứu..................................................................................8
1.5. Đóng góp của đề tài..........................................................................................8
1.6. Bố cục đề tài.....................................................................................................9
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT......................................................................11
2.1. Lý thuyết đường cong môi trường Kurnets (Environmental Kurnets Curve -
EKC Hypothesis)...................................................................................................11
2.2. Tác động của tổng sản phẩm quốc nội đến lượng khí thải CO2 dựa trên sự tiêu
thụ..........................................................................................................................12
2.2.1. Định nghĩa tổng sản phẩm quốc nội và phương pháp đo lường của bài
nghiên cứu..........................................................................................................12
2.2.2. Các nghiên cứu trước đó đã nêu ra sự tác động....................................13
2.3. Tác động của đô thị hóa đến lượng khí thải CO2 dựa trên sự tiêu thụ............14
2.3.1. Định nghĩa sự đô thị hóa và phương pháp đo lường của bài nghiên cứu.14
2.3.2. Các nghiên cứu trước đó đã nêu ra sự tác động....................................16
2.4. Tác động của mật độ dân số đến lượng khí thải CO2 dựa trên sự tiêu thụ....18
2.4.1 Định nghĩa mật độ dân số và phương pháp đo lường của bài nghiên cứu 18
2.4.2. Các nghiên cứu trước đó đã nêu ra sự tác động.......................................19
2.5. Tác động của mức tiêu thụ năng lượng đến lượng khí thải CO2 dựa trên sự
tiêu thụ...................................................................................................................19
2.5.1. Định nghĩa mức tiêu thụ năng lượng gốc và phương pháp đo lường của
bài nghiên cứu....................................................................................................19
2.6. Tác động của đầu tư trực tiếp từ nước ngoài đến lượng khí thải CO2 dựa trên
sự tiêu thụ..............................................................................................................20
1
2.6.1. Định nghĩa FDI và phương pháp đo lường của bài nghiên cứu...............20
2.7. Tác động của lạm phát đến lượng khí thải CO2 dựa trên sự tiêu thụ..............22
2.7.1. Định nghĩa lạm phát và phương pháp đo lường của bài nghiên cứu........22
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU..................................................24
3.1. Khung phân tích.............................................................................................24
3.2. Dữ liệu nghiên cứu.........................................................................................24
3.3. Xây dựng mô hình nghiên cứu.......................................................................25
3.3.1. Biến phụ thuộc.........................................................................................25
3.3.2. Biến độc lập..............................................................................................25
3.4. Xây dựng giả thuyết nghiên cứu.....................................................................29
3.5. Phương pháp nghiên cứu................................................................................31
3.5.1. Phân tích thống kê mô tả..........................................................................31
3.5.2. Phân tích ma trận hệ số tương quan.........................................................31
3.5.3. Phân tích hồi quy......................................................................................31
3.5.4. Kiểm định đa cộng tuyến.........................................................................32
3.5.5. Kiểm định tự tương quan.........................................................................33
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU.............................................................35
4.1. Phân tích thống kê mô tả cho mẫu nghiên cứu...............................................35
4.2. Phân tích tương quan cho các biến nghiên cứu..............................................36
4.3. Phân tích mô hình hồi quy..............................................................................38
4.3.1. Lựa chọn phương pháp hồi quy và chẩn đoán thống kê..........................38
4.3.2. Kết quả hồi quy chính..............................................................................40
CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý.................................................................44
5.1. Kết luận..........................................................................................................44
5.2. Khuyến nghị chính sách.................................................................................46
5.3. Hạn chế của đề tài...........................................................................................47
2
DANH MỤC HÌNH ẢNH
Hình 1: Khung phân tích nghiên cứu.......................................................................22
DANH MỤC BẢNG

Bảng 3.1. Tóm tắt các biến trong mô hình...............................................................28
Bảng 4.1. Thống kê mô tả các biến số xuất hiện trong mô hình..............................35
Bảng 4.2. Phân tích tương quan giữa các biến hồi quy trong mô hình....................37
Bảng 4.3. Kết quả hồi quy của OLS gộp, FEM, REM, GLS và các kiểm định chuẩn
đoán thống kê...........................................................................................................39
Bảng 4.4. Kết quả hồi quy của phương pháp GMM hệ thống.................................40
3
BẢNG DANH MỤC TỪ VIẾT TẮT
Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt
Mô hình tự phân phối độ
ARDL Autoregressive Distribute Lag
trễ hồi quy
Hiệp hội các quốc gia
ASEAN Association of South-East Asian Nations
Đông Nam Á
Đường cong môi trường
EKC Environmental Kurnets Curve
Kurnets
Đầu tư trực tiếp từ nước
FDI Foreign Direct Investment
ngoài
FEM Fixed Effects Model Mô hình hiệu ứng cố định
GDP Gross Domestic Product Tổng sản phẩm nội địa
Bình phương nhỏ nhất
GLS Generalized Least Squares
tổng quát
Phương pháp mô-men
GMM Generalized Method of Moments
tổng quát
Chương trình so sánh quốc
ICP International Comparison Program
tế
Cơ quan Năng lượng
IEA International Energy Agency
Quốc tế
Organization for Economic Cooperation Tổ chức hợp tác và phát
OECD
and Development triển kinh tế
Bình phương nhỏ nhất
POLS Pooled Ordinary Least Squares
thông thường gộp
PPP Purchasing Power Parity Sức mua tương đương
Mô hình hiệu ứng ngẫu
REM Random Effects Model
nhiên
4
TÓM TẮT
Nghiên cứu này xem xét tác động của yếu tố kinh tế, xã hội đến lượng khí thải CO 2
tại các nước công nghiệp. Ngoài ra nhóm tác giả còn phân tích sự ảnh hưởng của
lượng khí thải CO2 một kì trước đó đến lượng khí thải CO 2 kì hiện tại. Với mẫu dữ
liệu bao gồm 25 nước trong khoảng thời gian từ năm 2011-2020, tương ứng 250
quan sát. Nhóm tác giả đã sử dụng các phương pháp hồi quy để ước lượng hệ số hồi
quy, sau đó dùng các kiểm định nhằm chọn ra phương pháp phù hợp nhất. Kết quả
nghiên cứu chỉ ra rằng việc giảm tiêu thụ năng lượng gốc, điều chỉnh làm phát tăng
trong ngắn hạn và tăng trưởng GDP có ảnh hướng tích cực lên môi trường làm giảm
lượng khí thải CO2. Kết quả bài nghiên cứu vừa phù hợp vừa bác bỏ một số giả thiết
của các nhà nghiên cứu trước đó. Vì thời gian thực hiện khảo sát của bài nghiên cứu
khá ngắn so với những nghiên cứu trước đó nên bài nghiên cứu của nhóm tác giả
chưa thể phân tích được tác động dài hạn của các yếu tố kinh tế và xã hội lên lượng
khí thải CO2.
5
CHƯƠNG 1: GIỚI THIỆU
1.1. Lý do chọn đề tài
Sự phát triển kinh tế và xã hội ngày nay mang tính toàn cầu. Nhiều quốc gia
khuyến khích sử dụng đầu tư nước ngoài để thúc đẩy tăng trưởng kinh tế xã hội và
nhiều doanh nghiệp trên toàn thế giới đang tham gia phân phối toàn cầu. Song song
đó, những vấn đề liên quan đến môi trường luôn là những thách thức lớn còn tiềm
ẩn trong quá trình phát triển này không chỉ của toàn thế giới mà đặc biệt quan trọng
với các quốc gia công nghiệp thuộc Cơ quan Năng lượng Quốc tế (IEA –
International Energy Agency).
Khối lượng khí thải CO2 là một chỉ số thường xuyên được sử dụng để đo
lường chất lượng môi trường. Trong những năm gần đây, việc giảm thiểu lượng khí
thải CO2 là một trong những ưu tiên hàng đầu của các quốc gia công nghiệp thuộc
IEA vì mức phát thải lượng khí CO 2 trên đầu người các quốc gia này luôn cao. IEA
cho biết lượng khí thải hàng năm vẫn đang tăng trưởng theo một quỹ đạo không bền
vững.
Họ tìm cách giải quyết các vấn đề liên quan đến biến đổi khí hậu và bảo vệ
môi trường. Nhiệm vụ của IEA luôn tập trung vào các tiêu chí của chính sách năng
lượng đúng đắng: an ninh năng lượng, phát triển kinh tế và bảo vệ môi trường. IEA
đóng vai trò quan trọng trong việc định hình và hỗ trợ các chính sách về bảo vệ môi
trường, cũng như thúc đẩy sự phát triển bền vững và an toàn của ngành công nghiệp
toàn cầu.
Bên cạnh đó, những yếu tố về kinh tế xã hội cũng có những tác động đáng kể
đến khối lượng khí thải CO 2 ra môi trường dựa trên sự tiêu thụ của các quốc gia
công nghiệp. Kinh tế phát triển càng cao thường đi kèm với việc tiêu thụ năng
lượng và tài nguyên càng lớn, dẫn đến tăng khí thải CO 2. Điều này xuất phát từ sự
tăng trưởng kinh tế đi đôi với tăng cường sản xuất, sử dụng nhiều nguồn năng lượng
không tái tạo và quá trình công nghiệp hóa. Những hoạt động này mặc dù đem lại
6
lợi ích kinh tế nhưng cũng đem lại những tác động mạnh mẽ đến môi trường thông
qua việc thải ra lượng lớn CO 2 vào không khí, góp phần tạo ra những biến đổi khí
hậu toàn cầu.
Vì vậy, việc nghiên cứu về các yếu tố kinh tế xã hội ảnh hưởng như thế nào
đến lượng khí thải CO2 tại các nước công nghiệp từ đó có cơ sở đưa ra các đề xuất
cả khía cạnh về lý thuyết cũng như phương pháp thực tiễn là vô cùng quan trọng.
Kết quả của nghiên cứu sẽ là nguồn tài liệu tham khảo hữu ích cho các nhà nghiên
cứu đồng thời là cơ sở đề xuất những khuyến nghị phù hợp với thực tiễn của các
quốc gia đó.
1.2. Mục tiêu và câu hỏi nghiên cứu

1.2.1. Mục tiêu nghiên cứu
Mục tiêu tổng quát của nghiên cứu là xác định và phân tích ảnh hưởng của
một số yếu tố kinh tế xã hội đến lượng khí thải CO 2 của một số nước IEA, dựa trên
lượng tiêu thụ của các quốc gia công nghiệp đó trong giai đoạn 2011 – 2020. Các
mục tiêu chi tiết của nghiên cứu bao gồm:
Tìm kiếm những bằng chứng thực nghiệm về sự ảnh hưởng của các yếu tố
kinh tế vĩ mô và yếu tố xã hội lên khối lượng khí thải CO 2 dựa trên sự tiêu thụ của
các quốc gia công nghiệp thuộc IEA. Định lượng mức độ ảnh hưởng của các yếu tố
kinh tế vĩ mô và xã hội tới lượng phát thải CO2 của một quốc gia.
Kiểm chứng ảnh hưởng của khối lượng khí thải CO 2 dựa trên sự tiêu thụ tới
các quốc gia công nghiệp. Định lượng mức độ ảnh hưởng của lượng phát thải CO 2
đến một quốc gia.
Xác định ảnh hưởng của các nước IEA dựa trên sự tiêu thụ trong vòng 10
năm từ 2011 – 2020; trước đây tới hiện tại và từ hiện tại đến tương lai
1.2.2. Câu hỏi nghiên cứu

Từ những mục tiêu trên, bài nghiên cứu được thực hiện nhằm trả lời những
câu hỏi nghiên cứu sau:
7
Các yếu tố kinh tế vĩ mô có tác động đến lượng khí thải CO 2 dựa trên sự tiêu thụ
của một quốc gia không? Mức độ ảnh hưởng và chiều hướng như thế nào?
(1) Các yếu tố xã hội có tác động đến lượng khí thải CO 2 dựa trên sự tiêu thụ
của một quốc gia không? Mức độ ảnh hưởng và chiều hướng như thế nào?
(2) Lượng khí thải CO2 trong quá khứ có tác động đến lượng khí thải CO 2 ở
tương lai hay không? Mức độ ảnh hưởng và chiều hướng tác động như thế
nào?
1.3. Đối tượng nghiên cứu và phạm vi nghiên cứu

Đối tượng nghiên cứu: Mẫu dữ liệu được chọn bao gồm 25 nước công
nghiệp trên toàn Thế giới là thành viên của Cơ quan Năng lượng Quốc tế (IEA).
Phạm vi thời gian: Mẫu dữ liệu được thu thập trong giai đoạn 2011 – 2020
(10 năm)
Phạm vi học thuật: Đánh giá tổng quát mối tương quan của các yếu tố kinh tế
xã hội đối với lượng khí thải CO2 dựa trên sự tiêu thụ của các nước trong IEA.
1.4. Phương pháp nghiên cứu

Để nghiên cứu vấn đề đã đặt ra, nhóm tác giả thực hiện tổng hợp, phân tích
trên dữ liệu thứ cấp, phân tích tương quan và sử dụng các phương pháp hồi quy phổ
biến với dữ liệu bảng bao gồm: phương pháp hồi quy OLS gộp (Pooled OLS), hồi
quy với hiệu ứng cố định (Fixed Effect), hồi quy với hiệu ứng ngẫu nhiên (Random
Effects). Sau khi kiểm định phương sai thay đổi và tự tương quan, phát hiện mô
hình hồi quy có khuyết tật, nhóm tác giả sử dụng phương pháp bình phương nhỏ
nhất tổng quát (Generalized Least Squares). Cuối cùng, nhằm khắc phục hiện tượng
nội sinh tiềm ẩn, nhóm tác giả dùng phương pháp GMM hệ thống được áp dụng cho
bộ dữ liệu nghiên cứu.
1.5. Đóng góp của đề tài

Thông qua bài nghiên cứu này, nhóm tác giả kỳ vọng sẽ mang lại những ý
nghĩa khoa học và thực tiễn như sau:
8
Thứ nhất, bài nghiên cứu góp phần hệ thống hóa các lý thuyết nền tảng, xác
định các yếu tố kinh tế xã hội và mức độ tác động của từng yếu tố đến khối lượng
khí thải CO2. Đánh giá thực trạng khí thải CO2 dựa trên sự tiêu thụ của các nước
thành viên IEA. Ngoài ra, kết quả nghiên cứu được kỳ vọng sẽ bổ sung vào các
bằng chứng thực nghiệm còn hữu hạn về chủ đề này và góp phần tăng tính toàn diện
cho các nghiên cứu liên quan.
Thứ hai, những phát hiện của nghiên cứu này sẽ bổ sung thêm kiến thức vô
cùng cần thiết cho việc nghiên cứu, là nguồn tài liệu tham khảo quan trọng và hữu
ích cho các nhà nghiên cứu. Thông qua đó, nhằm đưa ra những giải pháp trong công
cuộc bảo vệ môi trường từ việc giảm thải lượng khí CO 2 dựa trên sự tiêu thụ của
quốc gia.
Thứ ba, nghiên cứu tập trung bao quát hầu hết cho các quốc gia trên các châu
lục toàn thế giới, đồng thời cũng được thực hiện trong nhiều giai đoạn, khoảng 10
năm từ 2011 – 2020, vì vậy bài nghiên cứu vừa có thể phân tích được tình trạng của
các quốc gia từ quá khứ cho đến hiện tại.
1.6. Bố cục đề tài

Đề tài có 5 chương với những nội dung chính như sau:
Chương 1 – Giới thiệu:
Giới thiệu lý do thực hiện đề tài, mục tiêu, đối tượng, phạm vi và phương
pháp nghiên cứu. Bên cạnh đó, trình bày tóm tắt kết quả, đưa ra ý nghĩa đóng góp
của đề tài được thưc hiện và bố cục của bài nghiên cứu.
Chương 2 – Cơ sở lý thuyết:
Trình bày các nền tảng lý thuyết cơ bản được sử dụng trong bài nghiên cứu;
tóm tắt một số phát hiện nghiên cứu trước đó về sự tác động của các nhân tố ảnh
hưởng đến lượng khí thải CO2 dựa trên sự tiêu thụ.
Chương 3 – Phương pháp nghiên cứu:
9
Trình bày và giải thích cụ thể ý nghĩa của các biến trong mô hình nghiên
cứu, giới thiệu các phương pháp nghiên cứu được thực hiện.
Chương 4 – Kết quả nghiên cứu:
Trình bày các kết quả kiểm định và hồi quy, cũng như xem xét mối quan hệ
giữa các yếu tố kinh tế xã hội với lượng khí thải CO 2 của các nước công nghiệp.
Đây cũng chính là chương trình bày các bằng chứng thực nghiệm phục vụ cho mục
tiêu nghiên cứu của đề tài.
Chương 5 – Kiến nghị:
Kết luận vấn đề được nghiên cứu, bao gồm nội dung nghiên cứu, kết quả
nghiên cứu, chỉ ra những hàm ý, những vấn đề mà đề tài đã giải quyết và cũng như
những hạn chế của nghiên cứu.
10
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
2.1. Lý thuyết đường cong môi trường Kurnets (Environmental Kurnets Curve
- EKC Hypothesis)
Các nghiên cứu về mối liên hệ giữa sự tăng trưởng kinh tế và ô nhiễm môi
trường đã diễn ra rất nhiều trong suốt nhiều thập kỷ qua. Một trong các lý thuyết nổi
bật trong lĩnh vực này là lý thuyết đường cong môi trường Kurnets. Ban đầu, vào
những năm 1950 nhà kinh tế học Simon Kurnets đưa ra một đường cong dạng chữ
U úp ngược thể hiện mối quan hệ giữa tăng trưởng kinh tế (đo lường bằng thu nhập
bình quân đầu người) và phân phối thu nhập. Ông cho rằng sẽ có sự bất bình đẳng
trong thu nhập ở giai đoạn đầu của sự phát triển kinh tế (giai đoạn bắt đầu đẩy mạnh
công nghiệp hóa), nguyên do vì các nông dân ở vùng nông thôn di chuyển lên thành
phố để làm việc, cạnh tranh với lực lượng lao động ở đó bằng việc chấp nhận mức
lương thấp. Dần về sau khi nền kinh tế tăng trưởng đến một mức độ hiện đại nhất
định, sự bất bình đẳng này sẽ bắt đầu có xu hướng giảm khi kinh tế phát triển. Dựa
trên lý thuyết ban đầu của Kurnets, Gene Grossman và Alan Krueger đề xuất lý
thuyết đường cong môi trường Kurnets (EKC). Theo đó, khi nền kinh tế của một đất
nước phát triển, trong giai đoạn đầu sự tăng trưởng sẽ khiến cho chất lượng môi
trường trở nên tồi tệ hơn. Sau khi phát triển đến một quy mô nào đó, việc tiếp tục
tăng trưởng sẽ giúp chất lượng môi trường được cải thiện. Mối quan hệ giữa phát
triển kinh tế và ô nhiễm môi trường được biểu thị bằng một đường cong có dạng
chữ U ngược. Có nhiều lý do để giải thích cho hiện tượng này. Ở giai đoạn phát
triển ban đầu, các quốc gia đẩy mạnh công nghiệp hóa, hiện đại hóa bằng cách sử
dụng tiêu thụ tài nguyên thiên nhiên, gây ra sự gia tăng nhanh chóng lượng chất thải
độc hại ra môi trường. Càng về sau kinh tế càng phát triển hơn, các quốc gia bắt đầu
có động cơ trong việc chú trọng bảo vệ môi trường, hướng tới sự bền vững. Sự tiến
bộ của khoa học công nghệ cũng góp phần giúp chất lượng môi trường được cải
thiện.
11
2.2. Tác động của tổng sản phẩm quốc nội đến lượng khí thải CO2 dựa trên sự
tiêu thụ
2.2.1. Định nghĩa tổng sản phẩm quốc nội và phương pháp đo lường của bài
nghiên cứu
Tổng sản phẩm quốc nội, tổng sản phẩm nội địa hay còn được biết đến là
GDP – Gross Domestic Product là một chỉ số thống kê kinh tế quan trọng dùng để
đo lường giá trị thị trường của toàn bộ hàng hóa và dịch vụ cuối cùng được sản xuất
ra trong phạm vi một quốc gia (hay một lãnh thổ) trong một trong một năm, hoặc có
thể là một thời kỳ nhất định (1 quý, 6 tháng hay 9 tháng). Nó là một phép đo quan
trọng phán ánh sức mạnh kinh tế của một quốc gia, là một chỉ tiêu để đánh giá sự
phát triển và khả năng sản xuất của một nền kinh tế.
Bản chất của GDP là cộng đầy đủ tất cả các loại hàng hóa, sản phẩm và dịch
vụ cuối cùng bao gồm cả hữu hình và vô hình được sản xuất và bán hợp pháp trên
các thị trường trong phạm vi lãnh thổ quốc gia thành một chỉ tiêu duy nhất về giá trị
của hoạt động kinh tế. GDP không tính giá trị của hàng hóa trung gian và được sản
xuất trong quá khứ mà chỉ bao gồm những giá trị cuối cùng và được sản xuất trong
thời kỳ hiện tại trong một khoảng thời gian cụ thể.
GDP bao gồm rất nhiều lĩnh vực kinh tế khác nhau, từ các ngành công
nghiệp, nông nghiệp đến dịch vụ như y tế, giáo dục, tài chính,… và tiêu dùng cá
nhân. Sự tăng giảm của GDP có thể phản ánh sự phát triển kinh tế, tình hình việc
làm và mức độ phụ thuộc vào các ngành công nghiệp khác nhau. Chỉ số này được
sử dụng rộng rãi trong các nghiên cứu kinh tế, phân tích chính sách, đồng thời cung
cấp thông tin quan trọng cho các nhà quản trị quyết định chính sách về sự phát triển
kinh tế và đánh giá các biện pháp ứng phó với các vấn đề kinh tế và xã hội.
GDP bình quân đầu người dựa trên sức mua tương đương (PPP), là tổng giá
trị của sản phẩm và dịch vụ quốc nội được chuyển đổi sang đơn vị tiền tệ quốc tế
(đô la quốc tế) bằng cách sử dụng tỷ lệ ngang giá sức mua. Một đơn vị tiền tệ quốc
tế có cùng sức mua so với GDP tương đương một đồng đô la Mỹ ở Hoa Kỳ. GDP
12
theo giá của người mua là tổng giá trị gia tăng của tất cả các nhà sản xuất thường trú
trong nước cộng với bất kỳ khoản thuế của sản phẩm và trừ đi bất kỳ khoản trợ cấp
không được bao gồm trong giá trị của sản phẩm. Nó được tính toán mà không tính
vào việc khấu trừ khấu hao của tài sản chế tạo hoặc các ảnh hưởng của việc cạn kiệt
và suy thoái tài nguyên thiên nhiên.
PPP là quá trình chuyển đổi các đơn vị tiền tệ khác nhau thành một đơn vị
tiền tệ chung, đồng thời điều chỉnh cân bằng sức mua của chúng bằng cách kiểm
soát sự khác biệt về mức giá giữa các nền kinh tế. Đây là một cách để đo lường khả
năng đồng nội tệ của một nền kinh tế có thể mua được những gì so với nền kinh tế
khác. So sánh dựa trên PPP về sản lượng kinh tế mang lại cái nhìn về khả năng mua
sắm của một đơn vị tiền tệ, không như so sánh dựa trên tỷ giá hối đoái trên thị
trường, vì so sánh này không phân biệt mức giá tương đối của các mặt hàng khác
nhau trong nền kinh tế. So sánh dựa trên PPP cũng ít bị ảnh hưởng bởi sự biến động
tiềm ẩn của tỷ giá hối đoái trên thị trường.
Chương trình so sánh quốc tế (ICP) do Ngân hàng Thế giới quản lý, sử dụng
giá của một tập hợp mặt hàng và dịch vụ chung để tính được PPP, được chọn làm
cơ sở tính toán các tỷ trọng chi tiêu trên các nhóm mặt hàng trong mỗi nền kinh tế
tham gia. Những dữ liệu này được so sánh với một năm tham chiếu cho mỗi chu kỳ
so sánh. Các kết quả ICP gần đây nhất có sẵn cho chu kỳ ICP 2017, với chu kỳ đang
diễn ra được đánh giá là đến năm 2021. Phương pháp tổng hợp PPP trong bài
nghiên cứu này là tính PPP theo phương pháp bình quân gia quyền.
2.2.2. Các nghiên cứu trước đó đã nêu ra sự tác động
Mối quan hệ giữa tăng trưởng kinh tế và lượng khí thải CO 2 trong không khí
đã được phân tích trong nhiều nghiên cứu trước đó. Simon Kuznets (1995) đã đưa
ra lý thuyết về đường cong Kuznets (Environmental Kuznets Curve – EKC), phát
biểu rằng sự tăng trưởng trong kinh tế sẽ dẫn đến tăng lượng khí thải nhà kính như
CO2 trong không khí, đến một mức độ phát triển nào đó, kinh tế càng tăng trưởng
thì chất lượng không khí sẽ càng được cải thiện. Suy thoái môi trường là do dân số
13
tăng nhanh, tăng trưởng kinh tế (GDP) liên tục và việc sử dụng công nghệ để tiêu
thụ tài nguyên (Naseem và cộng sự, 2022). Do đó, tăng trưởng kinh tế đã được thúc
đẩy thông qua công nghiệp hóa, điều này cuối cùng làm tăng lượng khí thải carbon.
Fodha và Zaghdoud (2010) điều tra thực nghiệm mối quan hệ giữa suy thoái
môi trường và tăng trưởng kinh tế (GDP) dựa trên lý thuyết EKC cho Tunisia bằng
cách sử dụng dữ liệu chuỗi thời gian từ năm 1961 đến năm 2004. Kết quả phân tích
mối quan hệ giữa GDP bình quân đầu người và lượng khí thải ô nhiễm bình quân
đầu người cho thấy chúng có mối quan hệ tuyến tính.
Tucker (1995) đã đề cập trong nghiên cứu của mình, có kỳ vọng rằng khi
GDP bình quân đầu người tăng lên, nó sẽ làm tăng lượng khí thải CO 2 bình quân
đầu người. Trong nghiên cứu của Niu và các cộng sự (2011) tiết lộ rằng đối với 8
quốc gia khu vực Châu Á Thái Bình Dương, cho thấy tăng trưởng trong nền kinh tế
dẫn đến tăng lượng phát thải CO2.
Chang (2010) cũng đưa ra các nghiên cứu thực nghiệm về mối quan hệ tuyến
tính giữa phát thải carbon dioxide, GDP tăng trưởng kinh tế và tiêu thụ năng lượng
bằng cách sử dụng dữ liệu bảng dựa trên 28 tỉnh của Trung Quốc từ năm 1995 đến
năm 2007. Kết quả phân tích thực nghiệm chứng minh rằng phát thải carbon, tiêu
thụ năng lượng từ điện, than, dầu và GDP có mối quan hệ hai chiều.
Wawrzyniak và Dory (2020) sử dụng ước lượng GMM để phân tích mối
quan hệ giữa tăng trưởng kinh tế và lượng khí thải CO 2 từ 93 nước đang phát triển,
tìm thấy những bằng chứng củng cố cho lý thuyết của Kuznets (1995). Họ còn chỉ
ra rằng ở các nước có chất lượng thể chế cao thì tăng trưởng GDP sẽ làm giảm khí
thải CO2, ngược lại ở các nước có chất lượng thể chế thấp thì tăng trưởng GDP làm
tăng lượng khí thải CO2 trong không khí.
2.3. Tác động của đô thị hóa đến lượng khí thải CO2 dựa trên sự tiêu thụ
2.3.1. Định nghĩa sự đô thị hóa và phương pháp đo lường của bài nghiên cứu
14
Dân số đô thị đề cập đến những người cư trú trong khu vực đô thị theo định
nghĩa của cơ quan thống kê quốc gia. Tổng hợp dân số của khu vực thành thị và
nông thôn có thể không được tính vào tổng dân số do sự khác biệt về phạm vi bao
phủ quốc gia. Không có tiêu chuẩn đồng nhất để phân biệt giữa thành thị và nông
thôn, một phần là do sự đa dạng của tình hình ở từng quốc gia. Hầu hết các quốc gia
sử dụng phân loại đô thị liên quan đến quy mô hoặc đặc điểm của các khu vực. Một
số xác định khu vực đô thị dựa trên sự hiện diện của cơ sở hạ tầng và dịch vụ cụ thể,
một vài quốc gia khác chỉ định các khu vực đô thị dựa trên cấu trúc hành chính. Do
sự khác biệt về định nghĩa thành thị với nông thôn giữa các quốc gia, nên không thể
áp dụng một định nghĩa duy nhất có thể áp dụng cho tất cả. Nếu Trung Quốc, Ấn
Độ và một vài quốc gia đông dân thay đổi cách định nghĩa về trung tâm đô thị thì
ước tính dân số thành thị trên toàn cầu sẽ tăng đáng kể. Bởi các ước tính về thành
phố và khu vực đô thị dựa trên các định nghĩa quốc gia về những gì cấu thành một
thành phố hoặc khu vực đô thị, việc so sánh giữa các quốc gia nên được thực hiện
một cách thận trọng.
Đô thị hóa đề cập đến quá trình mở rộng của các khu vực đô thị, được đo
lường dưới dạng phần trăm diện tích hoặc dân số đô thị so với tổng diện tích hoặc
dân số của một khu vực hoặc vùng. Không chỉ vậy, đô thị hóa cũng được tính theo
tỷ lệ gia tăng của hai yếu tố trên theo thời gian.
- Tốc độ đô thị hóa đo lường tỷ lệ phần trăm tăng của diện tích đo thị so
với tổng diện tích của một khu vực.
- Mức độ đô thị hóa đo lường tỷ lệ phần trăm dân số đô thị trên tổng số dân
của một khu vực.
Hơn nữa, đô thị hóa thể hiện sự phát triển và lối sống đô thị qua nhiều khía cạnh
như chất lượng cuộc sống, dân số, mật độ dân số… Quá trình đô thị hóa mang lại cơ
hội cho Nhà nước tổ chức, quy hoạch đô thị, dân cư. Bên cạnh đó, việc quy hoạch
các khu vực có tiềm năng phát triển kinh tế, văn hóa - xã hội sẽ theo hệ thống hiện
đại. Đồng thời, các khu vực điều kiện kinh tế xã hội chưa đủ hoặc mật độ dân số
15
thấp sẽ được điều chỉnh các ngành nghề, quy hoạch phù hợp nhằm mở cơ hội phát
triển trong tương lai.
Cùng với quá trình tăng trưởng kinh tế, các khu công nghiệp hiện đại cũng
như tỷ lệ dân số đô thị không ngừng gia tăng. Nhìn từ quan điểm kinh tế và xã hội,
quá trình đô thị hóa mang lại cả những ảnh hưởng tích cực và tiêu cực. Quá trình đô
thị hóa được kỳ vọng sẽ tạo ra nhiều cơ hội việc làm hơn, nhưng theo thời gian, xu
hướng này có thể thay đổi. Đồng thời, các nhà hoạch định chính sách thường hay lo
ngại về các vấn đề tiêu cực kèm theo đó là sự quá tải về cơ sở hạ tầng, ô nhiễm môi
trường sống, vấn đề an ninh xã hội, vấn nạn thất nghiệp ở các thành phố lớn đang
ngày một gia tăng. Vì vậy, việc xác định một tỷ lệ đô thị hóa phù hợp sẽ giúp thúc
đẩy tăng trưởng kinh tế và giảm áp lực lên môi trường sinh thái.
Dữ liệu này được thu thập và tổng hợp bởi Bộ phận Dân số Liên Hợp Quốc.
Sự gia tăng một cách nhanh chóng của các thành phố trên toàn cầu phản ánh xu
hướng biến đổi trong sự phân bố nhân khẩu học từ nông thôn sang đô thị, và liên
quan chặt chẽ đến sự chuyển đổi từ kinh tế nông nghiệp sang công nghiệp, công
nghệ và dịch vụ đại chúng. Nói chung, thành phố cung cấp một môi trường thuận
lợi hơn để giải quyết các vấn đề xã hội và môi trường so với khu vực nông thôn.
Thành phố tạo ra việc làm và nguồn thu nhập, cung cấp giáo dục, chăm sóc sức
khỏe và các dịch vụ khác.
Đô thị hóa là một trong những yếu tố nhân tạo chính làm gián đoạn chu trình
carbon toàn cầu. Kết quả là, nó có thể có tác động đáng kể đến tài nguyên thiên
nhiên, môi trường và làm thay đổi sâu sắc hệ sinh thái (Buyantuyev và Wu, 2009;
Danish và cộng sự, 2020; Zhang và cộng sự, 2014).
Bryant (2005) nhận thấy rằng đô thị hóa có liên quan đến công nghiệp hóa,
sự tham gia của công nghệ, toàn cầu hóa và di cư. Cho rằng công nghiệp hóa
thường xảy ra trong dân cư thành thị, đô thị hóa có thể được coi là một nguồn ô
16
nhiễm. Và vì công nghiệp hóa làm tăng mức thu nhập nên nhu cầu về các sản phẩm
sử dụng nhiều năng lượng cũng tăng lên, gây ra các vấn đề về môi trường. Tuy
nhiên, thông qua các chiến dịch nâng cao nhận thức và các chính sách môi trường
nghiêm ngặt, nhóm dân số giàu có có thể nhận ra tác động tiêu cực của suy thoái
môi trường để khuyến khích sử dụng hàng hóa thân thiện với môi trường. Hơn nữa,
lý thuyết về thành phố nén thừa nhận rằng đô thị hóa có thể làm giảm thiệt hại về
môi trường do lợi thế kinh tế theo quy mô và mật độ dân số cao hơn. Vì vậy, đô thị
hóa có thể tác động tích cực hoặc tiêu cực đến môi trường.
Trong nghiên cứu chuyên đề của Li và Lin (2015), đô thị hóa có tác động
đáng kể đến lượng khí thải CO2; tuy nhiên, mối quan hệ của chúng khác nhau ở các
mức độ phát triển kinh tế khác nhau. Kết quả từ mô hình dữ liệu bảng trên mẫu của
73 quốc gia trong giai đoạn 1970 – 2010 chỉ ra rằng ở nhóm thu nhập thấp, thu nhập
trung bình và thu nhập cao, đô thị hóa làm tăng lượng khí thải CO 2, trong khi ở
nhóm thu nhập trung bình, cao, đô thị hóa cản trở sự tăng trưởng của CO2 khí thải.
Một nghiên cứu khác điều tra thực nghiệm xem lượng khí thải CO 2 cấp quốc
gia bị ảnh hưởng như thế nào bởi chính sách đô thị hóa và môi trường. Nghiên cứu
dữ liệu bảng này được thực hiện trên 80 quốc gia từ năm 1983 đến năm 2005. Trên
toàn bộ tập dữ liệu, mức tăng đô thị hóa thêm 1% dẫn đến tăng phát thải CO 2 trung
bình thêm 0,95%. Tuy nhiên, khi phân tích hiện tượng này ở các phân nhóm thu
nhập và từ góc độ chính sách, hóa ra đô thị hóa ở các quốc gia chú trọng hơn đến
chính sách môi trường và kết quả của nó có tác động ít tiêu cực hơn đến lượng khí
thải CO2 (Ponce de Leon Barido và Marshall, 2014).
Những phát hiện từ bài báo của Martínez-Zarzoso và Maruotti (2011), mọi
người cũng đã phân tích tác động của đô thị hóa đến lượng khí thải CO 2 nhưng chỉ ở
các nước đang phát triển từ năm 1975 đến năm 2003, chỉ ra rằng mối quan hệ giữa
những hiện tượng này có thể được trình bày dưới dạng một đường cong chữ U
ngược. Điều đó có nghĩa là độ co giãn của phát thải CO 2 - đô thị hóa là dương đối
với mức độ đô thị hóa thấp, do đó mức độ ảnh hưởng của đô thị hóa đến vấn đề môi
17
trường là mạnh hơn ở các khu vực kém phát triển. Kasman và Duman (2015), sử
dụng dữ liệu bảng của các thành viên mới của EU và các quốc gia ứng cử viên trong
giai đoạn 1992–2010, đã phát hiện ra rằng đô thị hóa có tác động tích cực đáng kể
về lâu dài đối với lượng khí thải CO2. Họ kết luận rằng các quốc gia có dân số đô thị
lớn hơn đáp ứng các tiêu chuẩn ô nhiễm nhiều hơn các quốc gia có tỷ lệ đô thị hóa
thấp hơn. Đối với 17 nước công nghiệp, Liddle và Lung (2010) nhận thấy rằng
lượng khí thải carbon không đáng kể ở các khu vực đô thị hóa vì người dân chủ yếu
sử dụng năng lượng tổng hợp.
Ngoài ra còn có một vấn đề với sự thay đổi nhân khẩu học ở khu vực thành
thị. Có mối liên hệ giữa quá trình đô thị hóa ngày càng tăng đối và lượng khí thải
CO2. O'Neill (2010) đưa ra bằng chứng rằng việc tăng dân số đô thị dẫn đến tăng
lượng khí thải CO2 và dân số già đi có thể làm giảm lượng khí thải CO2.
2.4. Tác động của mật độ dân số đến lượng khí thải CO2 dựa trên sự tiêu thụ
2.4.1 Định nghĩa mật độ dân số và phương pháp đo lường của bài nghiên
cứu
Mật độ dân số là dân số ở thời điểm giữa năm chia cho diện tích đất tính
bằng ki lô mét vuông. Dân số được dựa trên định nghĩa dân số trên thực tế, bao gồm
tất cả cư dân bất kể tình trạng pháp lý hay quyền công dân - ngoại trừ những người
tị nạn không định cư lâu dài ở quốc gia tị nạn, những người thường được coi là một
phần dân số của quốc gia nơi họ xuất xứ. Diện tích đất liền là tổng diện tích của một
quốc gia, không bao gồm diện tích thuộc các vùng nước nội địa, các quan điểm của
quốc gia về thềm lục địa và vùng đặc quyền kinh tế. Trong hầu hết các trường hợp,
định nghĩa về các vùng nước nội địa bao gồm các sông và hồ lớn. Theo Tổng cục
Thống kê, có thể hiểu mật độ dân số là số dân tính bình quân trên một km2 diện tích
lãnh thổ.
Theo đó, mật độ dân số của một quốc gia được tính theo công thức:
18
Mật độ dân số (người/km^2) = Số lượng dân số (người)÷ Diện tích lãnh thổ
(km^2)
Zambrano Monserrate và cộng sự (2018), cũng như Albulescu và cộng sự

(2020) đã tích hợp mật độ dân số vào mô hình khi đánh giá tác động cùa tăng
trưởng kinh tế đến phát thải khí CO2. Bằng chừng thực nghiệm về trường hợp của
Singapore, Zambrano Monserrate và cộng sự (2018) cũng nhấn mạnh rằng mật độ
dân số cao là một vấn đề đáng quan ngại của quốc gia này, cùng với các nghiên cứu
trước mà Zambrano Monserrate và cộng sự (2018) tham khảo, họ đã xem xét đây là
một tác nhân của suy thoái môi trường.
Nghiên cứu của Daily và Ehrlich (1996) cho rằng mật độ dân số có quan hệ
đồng biến với phát thải khí CO 2. Zaba và Clarke (1994) cũng đưa ra quan điểm
tương tự. Hamilton và Turton (2002) kết luận rằng sự gia tăng mật độ dân số là một
trong hai yếu tố chính dẫn đến sự tăng phát thải khí CO2 ở các nước OECD. Ngoài
ra, về cơ cấu dân số, Fan và cộng sự (2006) chỉ ra rằng tỷ lệ dân số trong độ tuổi lao
động cao sẽ làm lượng tiêu thụ năng lượng và tạo ra nhiều khí thải hơn.
2.5. Tác động của mức tiêu thụ năng lượng đến lượng khí thải CO2 dựa trên sự
tiêu thụ
2.5.1. Định nghĩa mức tiêu thụ năng lượng gốc và phương pháp đo lường
của bài nghiên cứu
Năng lượng gốc (conventional energy): là các nguồn năng lượng dựa trên
nguồn tài nguyên hóa thạch như than, dầu mỏ và khí tự nhiên. Các nguồn năng
lượng gốc này được sử dụng trong thời gian dài và có ảnh hưởng tiêu cực đến môi
trường do lượng khí thải CO2 và các chất gây ô nhiễm khác tạo nên.
Mức tiêu thụ năng lượng gốc là khái niệm để đo lường năng lượng tổng cộng
có trong một đơn vị nhiên liệu hoặc nguồn năng lượng. Mức tiêu thụ năng lượng
19
gốc là một yếu tố quan trọng trong tính toán hiệu suất và tiêu thụ năng lượng của
các quá trình và thiết bị năng lượng.
Phương pháp đo lường là đo lượng nhiệt sinh ra khi cháy hoàn toàn một đơn
vị nhiên liệu hoặc nguồn năng lượng. Bài nghiên cứu sử dụng đơn vị KWh để đo
lường mức tiêu thụ năng lượng gốc bình quân đầu người.
Nghiên cứu của Zaidi và cộng sự (2018) tại Pakistan sử dụng mô hình ARDL
và kết luận rằng tiêu thụ năng lượng tái tạo không ảnh hưởng đáng kể đến phát thải
CO2, trong khi tiêu thụ năng lượng gốc lại nổi lên như một yếu tố quan trọng gây ra
ô nhiễm môi trường. Trong trường hợp của 5 nước thành viên của Khối thị trường
chung Nam Mỹ, Koengkan và cộng sự (2020) nghiên cứu mối quan hệ giữa tiêu thụ
năng lượng gốc và phát thải CO 2. Các nhà nghiên cứu nhấn mạnh sự quan trọng của
việc chuyển đổi sang nguồn năng lượng tái tạo trong các quốc gia phụ thuộc vào
nhiên liệu hóa thạch để hạn chế sự suy thoái môi trường.
Mahjabeen và cộng sự (2020) tiến hành các phân tích trên các nước D-8
trong giai đoạn từ 1990 đến 2016, chỉ ra rằng tiêu thụ năng lượng gốc góp phần tăng
phát thải CO2. Alonso (2021) phân tích mối quan hệ giữa phát thải CO 2, và tiêu thụ
năng gốc trong giai đoạn từ năm 1990 đến 2015 tại Mexico. Các kết quả nghiên cứu
cho thấy rằng tiêu thụ năng lượng gốc là một trong những yếu tố chính dẫn đến sự
gia tăng phát thải CO2.
2.6. Tác động của đầu tư trực tiếp từ nước ngoài đến lượng khí thải CO2 dựa
trên sự tiêu thụ
2.6.1. Định nghĩa FDI và phương pháp đo lường của bài nghiên cứu
Đầu tư trực tiếp từ nước ngoài (Foreign Direct Investment - FDI) là dòng vốn
ròng đầu tư để sở hữu một phần vốn quản trị lâu dài (10% cổ phiếu trở lên có quyền
biểu quyết) trong một doanh nghiệp hoạt động tại một nền kinh tế khác với nền kinh
tế của nhà đầu tư.
20
FDI đề cập đến dòng vốn đầu tư trực tiếp trong nền kinh tế báo cáo. Đó là
tổng vốn cổ phần, tái đầu tư thu nhập và vốn khác. Đầu tư trực tiếp là một loại hình
đầu tư xuyên biên giới gắn liền với một cư dân ở một nền kinh tế có quyền kiểm
soát hoặc có mức độ ảnh hưởng đáng kể đến việc quản lý một doanh nghiệp cư trú ở
nền kinh tế khác. Việc sở hữu từ 10% cổ phần phổ thông trở lên của cổ phiếu có
quyền biểu quyết là tiêu chí để xác định sự tồn tại của mối quan hệ đầu tư trực tiếp.
Dữ liệu được tính với đơn vị USD.
Nghiên cứu của Copeland và Taylor (1994) cho rằng dòng vốn FDI làm gia
tăng phát thải ra môi trường. Giả thuyết này được xây dựng dựa trên lập luận hai
quốc gia có điều kiện kinh tế - xã hội giống nhau nhưng quốc gia giàu hơn có xu
hướng quan tâm đến các chính sách về ô nhiễm môi trường hơn do yêu cầu về chất
lượng môi trường tăng lên khi thu nhập tăng. Do đó, các quốc gia nghèo sẽ có lợi
thế cạnh tranh hơn đối với các loại hàng hóa nhạy cảm với ô nhiễm môi trường. Tự
do hóa thương mại làm các hàng hóa ô nhiễm môi trường có xu hướng chuyển dịch
sang các quốc gia nghèo hơn, biến nơi này thành “nơi ẩn giấu ô nhiễm”. Bằng
chứng thực nghiệm trong trường hợp của Mỹ, Eskeland và Harrison (2003) chỉ ra
rằng FDI của Mỹ tập trung vào các ngành công nghiệp đang đối mặt với chi phí
kiểm soát ô nhiễm cao tại quê nhà.
Theo Golub và cộng sự (2011), việc phớt lờ yếu tố môi trường trong đầu tư
dần trở thành công cụ cạnh tranh giữa các quốc gia để thu hút vốn FDI. Nhiều
nghiên cứu thực nghiệm cũng cung cấp bằng chứng thực nghiệm rằng các doanh
nghiệp FDI làm tăng đáng kể phát thải khí CO 2 tại Trung Quốc (Cole và cộng sự,
2011), tại các quốc gia Mỹ La-tinh tăng 1% dòng vốn FDI làm tăng ô nhiễm thêm
0,04% (Sapkota và Bastola, 2017).
21
2.7. Tác động của lạm phát đến lượng khí thải CO2 dựa trên sự tiêu thụ
2.7.1. Định nghĩa lạm phát và phương pháp đo lường của bài nghiên cứu
Lạm phát là hiện tượng tiền tệ khi mà lượng tiền phát hành nhiều hơn lượng
tiền cần thiết trong lưu thông là cho giá cả tăng nhanh, liên tục và kéo dài dẫn đến
tiền tệ mất giá so với hàng hóa, ngoại tệ và vàng.
Thông thường, lạm phát được đo lường bằng cách theo dõi sự thay đổi trong
giá cả của một lượng lớn các hàng hóa và dịch vụ trong một nền kinh tế trong một
thời gian dài.
Tỷ lệ lạm phát=(Giá trị chỉ số CPI cuối cùng ÷ Giá trị CPI ban đầu)×100
Nghiên cứu của Musarat và cộng sự (2021) trong trường hợp Malaysia cho
rằng việc giảm tỷ lệ lạm phát dẫn đến tăng phát thải khí CO 2. Theo các nhà nghiên
cứu, việc giảm lạm phát thúc đẩy tăng trưởng kinh tế, đồng thời sự gia tăng công
việc xây dựng đòi hỏi nhiều nguyên vật liệu hơn và khi ngành công nghiệp sản xuất
bắt đầu, một lượng lớn CO2 bổ sung đáng kể thải ra.
Setyadharma và cộng sự (2021) đã phân tích tác động của lạm phát đến ô
nhiễm không khí ở Indonesia trong giai đoạn từ 1981 đến 2017. Nghiên cứu của họ
chỉ ra rằng cả trong lâu dài và ngắn hạn, lạm phát cao hơn gây ra mức độ ô nhiễm
không khí thấp hơn. Nói cách khác, những kết quả nghiên cứu này cho thấy tác
động tích cực của lạm phát ở quốc gia được phân tích, tức là lạm phát cao hơn có
thể làm giảm ô nhiễm không khí. Một quan điểm tương tự đã được trình bày bởi
Ronaghi và cộng sự (2019), người cho rằng lạm phát có mối quan hệ ngược chiều
và đáng kể với lượng khí thải CO 2. Lạm phát tăng lên đi kèm với giá cả hàng hóa và
dịch vụ cao hơn. Kết quả là, nhu cầu hàng hóa của người tiêu dùng sẽ giảm, thông
qua việc sản xuất giảm, phát thải CO 2 sẽ giảm đi. Hơn nữa, tác động của biến đổi
khí hậu và COVID-19 đến lạm phát ở Indonesia đã được nghiên cứu bởi Wahidah
và Antriyandarti (2021). Các phân tích khác nhau cho thấy, do đại dịch, lượng phát
22
thải khí nhà kính đã giảm ít nhất vài phần trăm, nhưng do các quốc gia nới lỏng
chính sách phong tỏa để phục hồi kinh tế nên mức phát thải CO2 đã tăng trở lại.
23
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Khung phân tích
Hình 1: Khung phân tích nghiên cứu
Để đóng góp vào cơ sở lý thuyết, nhóm tác giả tìm hiểu một số yếu tố kinh tế
xã hội ảnh hưởng đến lượng khí thải CO2 dựa trên sự tiêu thụ của một quốc gia
công nghiệp giai đoạn 2011-2020. Trên cơ sở các lý thuyết và các bằng chứng thực
nghiệm đã nêu trong phần trước, chúng tôi sử dụng khung phân tích thể hiện trong
Hình 1 để phát triển bài nghiên cứu của chúng tôi.
Nghiên cứu này sẽ coi các yếu tố xã hội và kinh tế vĩ mô là các yếu tố ảnh
hưởng đến lượng khí thải CO2, từ đó xây dựng nên một mô hình nhằm xác định việc
các yếu tố trên ảnh hưởng như thế nào đến lượng khí thải CO 2, bằng cách chạy hồi
quy mô hình trên dữ liệu bảng có được.
3.2. Dữ liệu nghiên cứu

Nghiên cứu sử dụng dữ liệu thu thập từ nguồn dữ liệu của Ngân hàng Thế
giới (World Bank) và (Our World in Data) trong giai đoạn 2011-2020 của 25 quốc
gia công nghiệp là thành viên của Cơ quan Năng lượng quốc tế (IEA). Những quốc
gia được thu thập dữ liệu thuộc nhóm nước công nghiệp hay còn gọi là nhóm nước
phát triển trên các châu lục khác nhau, nhóm tác giả loại bỏ những quốc gia đang có
sự bất ổn hoặc phụ thuộc về chính trị cũng như các quốc gia bị khuyết thiếu dữ liệu
ra khỏi phạm vi nghiên cứu. Sau khi sử dụng các tiêu chí chọn lọc, từ mẫu dữ liệu
24
ban đầu được thu thập từ World Bank và Our World in Data trong suốt thời gian
quan sát từ 2011-2020, nhóm tác giả đã có được mẫu nghiên cứu cuối cùng bao
gồm 25 nước, tương ứng 250 quan sát, được cho là đáp ứng các tiêu chí và đảm bảo
mẫu quan sát phù hợp với mục đích bài nghiên cứu.
3.3. Xây dựng mô hình nghiên cứu
Các nhóm yếu tố ảnh hưởng đến biến phụ thuộc được lựa chọn để nghiên
cứu đều được dựa trên cơ sở lý thuyết và bằng chứng thực nghiệm đã đề cập. Nhóm
biến độc lập đại diện cho tình hình kinh tế vĩ mô bao gồm: GDP bình quân đầu
người, chỉ số lạm phát (tính bằng chỉ số giá tiêu dùng CPI), dòng vốn FDI ròng.
Ngoài ra còn có các yếu tố xã hội như tỉ lệ đô thị hóa, lượng tiêu thụ năng lượng
gốc bình quân đầu người, mật độ dân số. Mô hình mà nhóm tác giả sử dụng được
mở rộng ra từ lý thuyết EKC của Simon Kurnets.
3.3.1. Biến phụ thuộc

Lượng khí thải CO₂ dựa trên mức tiêu thụ bình quân đầu người.
Lượng khí thải dựa trên tiêu thụ là lượng khí thải quốc gia đã được điều
chỉnh theo hoạt động thương mại. Chúng được tính bằng lượng khí thải tạo ra ra từ
quá trình sản xuất trong nước trừ đi lượng khí thải được tạo ra trong quá trình sản
xuất hàng hóa và dịch vụ được xuất khẩu sang nước ngoài, cộng với lượng khí thải
từ quá trình sản xuất hàng hóa và dịch vụ được nhập khẩu.
Khí thải dựa trên tiêu thụ = Khí thải từ hoạt động sản xuất – khí thải từ Xuất
khẩu + Khí thải từ nhập khẩu
Lượng khí thải dựa trên tiêu thụ đưa vào mô hình hồi quy dưới dạng logarit
tự nhiên của nó.
Đơn vị của lượng khí thải trong mô hình hồi quy là tấn.
3.3.2. Biến độc lập
3.3.2.1. GDP bình quân đầu người(GDP)
25
Tốc độ tăng trưởng thể hiện sự phát triển của nền kinh tế. Tồn tại mối liên hệ
trực tiếp giữa ô nhiễm với sự phát triển và tăng trưởng kinh tế GDP. Dữ liệu được
tính theo giá đô la Mỹ năm 2023.
GDP được đưa vào mô hình dưới dạng logarit tự nhiên của nó và biến tương
tác là bình phương của logarit tự nhiên GDP.
Đơn vị của GDP trong mô hình hồi quy là đô la Mỹ hiện hành.
3.3.2.2. Chỉ số lạm phát (Inflation)
Lạm phát được đo bằng chỉ số giá tiêu dùng phản ánh phần trăm thay đổi
hàng năm về chi phí đối với người tiêu dùng trung bình khi mua một giỏ hàng hóa
và dịch vụ có thể cố định hoặc thay đổi theo những khoảng thời gian xác định,
chẳng hạn như trong bài nghiên cứu này nhóm tác giả sử dụng chu kỳ hàng năm.
Đơn vị của lạm phát trong mô hình hồi quy là %.
3.3.2.3. Dòng vốn FDI ròng (FDI)
Đầu tư trực tiếp nước ngoài là hình thức đầu tư dài hạn của cá nhân hay công
ty nước này vào nước khác bằng cách thiết lập cơ sở sản xuất, kinh doanh. Cá nhân
hay công ty nước ngoài đó sẽ nắm quyền quản lý cơ sở sản xuất kinh doanh này. Dữ
liệu được tính bằng giá đô la Mỹ năm 2023.
Đơn vị của FDI trong mô hình hồi quy là đô la Mỹ hiện hành.
3.3.2.4. Tỉ lệ đô thị hóa(urban)
Dân số đô thị là những người sống ở khu vực thành thị theo quy định của cơ
quan thống kê quốc gia. Dữ liệu được thu thập và làm mịn bởi Ban Dân số Liên
Hợp Quốc.
Sự tăng trưởng bùng nổ của các thành phố trên toàn cầu biểu thị sự chuyển
đổi từ nông thôn sang thành thị và gắn liền với sự chuyển đổi từ nền kinh tế dựa vào
nông nghiệp sang công nghiệp đại chúng, công nghệ và dịch vụ. Về nguyên tắc, các
thành phố tạo ra môi trường thuận lợi hơn cho việc giải quyết các vấn đề xã hội và
26
môi trường so với khu vực nông thôn. Các thành phố tạo ra việc làm và thu nhập,
đồng thời cung cấp giáo dục, chăm sóc sức khỏe và các dịch vụ khác.
Đơn vị của tỉ lệ đô thị hóa trong mô hình hồi quy là %.
3.3.2.5. Lượng tiêu thụ năng lượng gốc bình quân đầu người (energy)
Năng lượng gốc là dạng năng lượng có sẵn dưới dạng tài nguyên. Một số
nguồn năng lượng như nhiên liệu hóa thạch, than đá làm ô nhiễm môi trường. Cụ
thể, khi nhiên liệu hóa thạch bị đốt cháy, lượng carbon lưu trữ và các loại khí nhà
kính khác sẽ được thải vào khí quyển.
Lượng tiêu thụ năng lượng gốc bình quân đầu người được đưa vào mô hình
dưới dạng logarit tự nhiên.
Đơn vị của lượng tiêu thụ năng lượng gốc bình quân đầu người trong mô
hình hồi quy là kWh (kilowatt giờ).
3.3.2.6. Mật độ dân số (Popdens)
Mật độ dân số là số dân tính bình quân trên một kilômét vuông diện tích lãnh
thổ.
Mật độ dân số được tính bằng cách chia dân số (thời điểm hoặc bình quân)
của một vùng dân cư nhất định cho diện tích lãnh thổ của vùng đó, nhằm phản ánh
tình hình phân bố dân số theo địa lý vào một thời gian nhất định.
Mật độ dân số được đưa vào mô hình hồi quy dưới dạng logarit tự nhiên.
Đơn vị của mật độ dân số trong mô hình hồi quy là người/km vuông.
3.3.2.7. Lượng khí thải CO2 dựa trên sự tiêu thụ bình quân đầu người
Ngoài ra, để nghiên cứu thêm xem lượng khí thải CO 2 của một năm trước có
ảnh hưởng đến hiện tại hay không, nhóm tác giả còn đưa vào trong mô hình một
biến trễ làm biến độc lập là logarit tự nhiên của lượng khí thải CO 2 dựa trên sự tiêu
thụ của một kì trước đó. Dự đoán biến trễ này có ảnh hưởng cùng chiều lên lượng
khí thải CO2 ở hiện tại.
27
Bảng 3.1 Tóm tắt các biến trong mô hình
Kỳ
vọng
Biến Mô tả chiều Bằng chứng thực nghiệm
tác
động
Logarit tự nhiên của

Ln(Co2) lượng phát thải CO2
được tính bằng tấn
trên đầu người
Logarit tự nhiên của (+)

Ln(Co2)t-1 lượng phát thải CO2
(độ trễ là 1 kì)
Tỉ lệ đô thị hóa (%) (-) Liddle và Lung (2010),

urban Martínez-Zarzoso và
Maruotti (2011), Li và Lin
(2015)
Logarit tự nhiên của (+) Simon Kuznets (1995),

GDP bình quân đầu Tebourbi và các cộng sự
Ln(GDP) người (tính theo giá (2022), Fodha và
đô la Mỹ năm 2023) Zaghdoud (2010), Chang
(2010), Wawrzyniak và
Dory (2020)
28
Bình phương của (-) Simon Kuznets (1995),
Logarit tự nhiên của Tebourbi và các cộng sự
GDP bình quân đầu (2022), Fodha và
[Ln(GDP)]2
người Zaghdoud (2010), Chang
(2010), Wawrzyniak và
Dory (2020)
Chỉ số lạm phát (tính (-) Musarat và cộng sự

Inflation (2021), Setyadharma và
bằng chỉ số giá tiêu
dung CPI) (%) cộng sự (2021), Ronaghi
và cộng sự (2019)
Mật độ dân số (+) Zambrano Monserrate và

(người/km2) cộng sự (2018), Daily và
Ln(Popdens)
Ehrlich (1996), Zaba và
Clarke (1994), Hamilton
và Turton (2002)
Dòng vốn FDI (+) Copeland và Taylor
ròng(BoP/đô la Mỹ (1994), Zubair và cộng sự

FDI (2020), Pham Xuan Hoa
theo giá 2023)
và cộng sự (2023), Cole
và cộng sự (2011),
Sapkota và Bastola (2017)
Logarit tự nhiên của (+) Zaidi và cộng sự (2018),
lượng tiêu thụ năng Koengkan và cộng sự

Ln(energy)
lượng gốc (kWh) (2020), Mahjabeen và
cộng sự (2020), Alonso
(2021)
29
3.4. Xây dựng giả thuyết nghiên cứu
Mục đích của bài nghiên cứu là tìm hiểu một số yếu tố kinh tế xã hội ảnh
hưởng đến lượng khí thải CO2 dựa trên sự tiêu thụ của một quốc gia công nghiệp,
và định lượng xem mức độ ảnh hưởng của yếu tố này là như thế nào.Vì vậy, dựa
trên lý thuyết EKC, nhóm tác giả lựa chọn các nhóm biến chính sau đây: Biến phụ
thuộc đại diện cho lượng khí thải CO₂ dựa trên mức tiêu thụ bình quân đầu người,
được lấy Logarit tự nhiên: Ln(Co2); Nhóm biến độc lập đại diện cho tình hình kinh
tế vĩ mô bao gồm: GDP, FDI, Inflation; nhóm biến độc lập đại diện các yếu tố xã
hội: energy, Popdens, urban; trong đó các biến GDP, Popdens, energy được lấy
logarit tự nhiên, và biến Ln(GDP) có biến tương tác là bình phương của nó. Ngoài
ra nhóm tác giả còn nhận thấy lượng khí thải CO 2 của một năm trước có khả năng
ảnh hưởng đến lượng khí thải CO 2 của năm nay nên đã quyết định đưa biến trễ vào
làm một biến độc lập trong mô hình hồi quy.
Mô hình nghiên cứu được sử dụng trong nghiên cứu này như sau:
Ln(Co2)it = β0 + β1*Ln(GDP)it + β2*[Ln(GDP)it]2 + β3*Ln(energy)it +

β4*Ln(Popdens)it + β5*FDIit + β6*urbanit + β7*Inflationit + β8*Ln(Co2)i,t-1 + αi + ℰit
Các giả thiết nghiên cứu:
H1: Tỉ lệ đô thị hóa có mối quan hệ ngược chiều với lượng phát thải CO2.
H2: GDP bình quân đầu người có mối quan hệ với lượng phát thải CO 2 theo đường
cong hình chữ U úp ngược. Đường cong này đạt giá trị lớn nhất khi:
−β 1
GDP = ⅇ 2 β 2
Trong đó: β1 được kỳ vọng mang dấu dương, β2 được kỳ vọng mang dấu âm.
H3: Tỉ lệ lạm phát có mối quan hệ ngược chiều với lượng phát thải CO2.
H4: Mật độ dân số có mối quan hệ cùng chiều với lượng phát thải CO2.
H5: Dòng vốn FDI ròng có mối quan hệ cùng chiều với lượng phát thải CO2.
H6: Lượng tiêu thụ năng lượng gốc có mối quan hệ cùng chiều lượng phát thải CO2.
30
H7: Lượng khí thải CO2 trước đó một năm có mối quan hệ cùng chiều với lượng khí
thải CO2 trong năm hiện tại.
3.5. Phương pháp nghiên cứu

Sau khi hoàn thành các bước chuẩn bị ban đầu, nhóm tác giả tiến hành sử
dụng các phương pháp nghiên cứu định lượng để kiểm tra, phân tích và giải thích
vấn đề liên quan đến mục tiêu nghiên cứu đã được đặt ra.
3.5.1. Phân tích thống kê mô tả
Nhóm tác giả sử dụng phương pháp phân tích thống kê mô tả để tóm tắt các
đặc điểm chính của nguồn dữ liệu thu được và cung cấp cái nhìn tổng quan về mẫu
nghiên cứu. Thống kê mô tả có thể được sử dụng để tóm tắt các biến phụ thuộc và
các biến độc lập từ đó đưa ra giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất và
độ lệch chuẩn của các biến nghiên cứu trong giai đoạn năm 2011 – 2020.
3.5.2. Phân tích ma trận hệ số tương quan
Phương pháp phân tích ma trận hệ số tương quan được dùng để khảo sát mối
quan hệ giữa các biến của mô hình. Phân tích này giúp dự đoán các biến trong mô
hình có xảy ra hiện tượng đa cộng tuyến hay không. Sẽ có giá trị tương quan giữa
các biến của mô hình trong một khoảng tin cậy cụ thể. Dấu của hệ số tương quan
cho thấy liệu các mối quan hệ này là cùng chiều hay ngược chiều giữa các biến với
nhau. Kết quả phân tích của ma trận hệ số tương quan có thể được sử dụng để đánh
giá các dự đoán của mô hình. Cuối cùng, hệ số tương quan giữa các biến càng cao
thì khả năng xảy ra hiện tượng đa cộng tuyến càng lớn.
3.5.3. Phân tích hồi quy
Bằng cách sử dụng phân tích hồi quy, chúng ta có thể xác định ảnh hưởng
của biến độc lập lên biến phụ thuộc, cũng như chiều ảnh hưởng của biến độc lập lên
biến phụ thuộc. Hệ số Prob (p-value) của kết quả phân tích hồi quy cho thấy mức
độc mà biến độc lập có ảnh hưởng đến từng biến phụ thuộc. Các mức ý nghĩa thống
kê được sử dụng là 1%, 5% và 10% (tương ứng với độ tin cậy lần lượt là 99%, 95%
và 90%). Tác giả sử dụng mức ý nghĩa thống kê là 10%, nghĩa là khi p-value của
biến độc lập nhỏ hơn 10%, thì biến độc lập được coi là có tác động đáng kể đến
31
biến phụ thuộc, và ngược lại khi biến độc lập có ảnh hưởng không đáng kể đến biến
phụ thuộc p-value của biến độc lập sẽ lớn hơn 10%.
Bài nghiên cứu sử dụng dữ liệu bảng (Panel data), bao gồm dữ liệu chéo về
các quốc gia và dữ liệu chuỗi thời gian để phân tích. Dữ liệu bảng cho phép nhóm
mô phỏng và định lượng ảnh hưởng của các yếu tố theo không gian và thời gian.
Nhóm đã lựa chọn mô hình hồi quy bình phương nhỏ nhất thông thường gộp
(Pooled OLS), mô hình tác động cố định (Fixed Effect Model - FEM), mô hình tác
động ngẫu nhiên (Random Effect Model – REM),
Mô hình Pooled OLS là mô hình đơn giản nhất để triển khai vì mô hình này
chỉ sử dụng hồi quy thông thường và đã bỏ qua các khía cạnh không gian và thời
gian của dữ liệu bảng. Tuy nhiên, vì mô hình không tính đến các yếu tố không gian
và thời gian, trong khi thực tế thời lượng quan sát mẫu và các quốc gia là khác
nhau, nên hệ số chặn giữa các mẫu không giống nhau. Vì vậy, mặc dù tính đơn giản
dễ thực hiện của mô hình hồi quy Pooled OLS, nhưng rất có thể sẽ mô tả sai mối
quan hệ giữa các biến với nhau.
Mô hình FEM là mô hình kết hợp các yếu tố chuỗi thời gian và đơn vị chéo,
do đó khắc phục được các thiếu sót của mô hình Pooled OLS. Mô hình FEM có ưu
điểm là ước lượng chính xác ảnh hưởng của biến độc lập đối với biến phụ thuộc
bằng cách sử dụng dữ liệu bảng.
Mô hình REM giả định rằng sự biến động giữa các đơn vị là ngẫu nhiên và
không liên quan đến biến phụ thuộc, trong khi mô hình FEM giả định rằng sự biến
đổi giữa các đơn vị có liên quan đến biến độc lập. Điều này cũng là điểm phân biệt
giữa mô hình FEM và REM.
3.5.4. Kiểm định đa cộng tuyến
Khi phân tích ma trận hệ số tương quan, rất có khả năng xuất hiện hiện tượng đa
cộng tuyến giữa các biến nếu hệ số tương quan giữa các biến là đủ cao. Nếu hệ số
tương quan giữa hai biến lớn 0.8 hoặc nhỏ -0.8 thì kết luận có xuất hiện hiện tượng
đa công tuyến trong mô hình.
32
3.5.5. Kiểm định tự tương quan
Kiểm định hiện tượng tự tương quan là một kỹ thuật trong nghiên cứu định
lượng, được sử dụng để xác định sự tương quan giữa các biến trong một chuỗi các
quan sát không gian hoặc thời gian. Giả thuyết H0 và H1 của kiểm định này là:
H0. Không có hiện tượng tự tương quan bậc 1.
H1. Có hiện tượng tự tương quan bậc 1.
Với hai giả thuyết trên, nhóm tác giả đã sử dụng phương pháp ước lượng
Wooldridge để kiểm tra hiện tượng tự tương quan trong nghiên cứu này. Từ đó ta có
thể thấy được, nếu p-value nhỏ hơn mức ý nghĩa 5% thì sẽ bác bỏ giả thuyết H0,
chấp nhận H1. Ngược lại, nếu p-value lớn hơn mức ý nghĩa 5% thì không bác bỏ
H0 và cho rằng bài nghiên cứu không xảy ra hiện tượng tự tương quan.
Kiểm định phương sai thay đổi
Ngay cả khi giả định về phương sai thay đổi bị vi phạm thì phương pháp hồi
quy tuyến tính thông thường (Pooled OLS) vẫn giữa được các tính chất nhất quán
và không chệch. Tuy nhiên, những ước tính này không còn là phương sai nhỏ nhất
và cũng không còn là các ước lượng hiệu quả nữa. Có nghĩa là, chúng đã không còn
là các ước lượng tuyến tính không chệch tốt nhất (Best Linear Unbiased Estimator -
BLUE).
Để đảm bảo tính hiệu quả của các ước lượng hồi quy, nhóm tác giả đã sử
dụng kiểm định White cho mô hình Pooled OLS, kiểm định Wald cho mô hình
FEM, kiểm định Breusch-Pagan LM cho mô hình REM với mục đích kiểm định
hiện tượng phương sai thay đổi của mô hình qua các giả thuyết sau:
H0. Không có hiện tượng phương sai thay đổi
H1. Có hiện tượng phương sai thay đổi
Từ đó ta có thể thấy được, nếu p-value nhỏ hơn mức ý nghĩa 5% thì sẽ bác
bỏ giả thuyết H0, chấp nhận H1. Ngược lại, nếu p-value lớn hơn mức ý nghĩa 5%
thì không bác bỏ H0. và cho rằng bài nghiên cứu không xảy ra hiện tượng phương
sai thay đổi.
Kiểm định nội sinh
33
Một trong những khía cạnh khó khăn nhất của quá trình nghiên là tìm hiểu về
được các hiện tượng nội sinh có trong mô hình nghiên cứu. Vấn đề nội sinh của mô
hình thường có ba dạng sau: (1) Bỏ sót biến; (2) Lỗi đo lường biến; (3) Mối quan hệ
đồng thời. Như vậy, chỉ cần một trong những vấn đề nêu trên phát sinh thì giả định
của mô hình hồi quy đã bị vi phạm đáng kể. Khi đó, mô hình hồi quy có hiện tượng
nội sinh sẽ không còn hiệu quả do các ước lượng mất đi tính vững, dẫn đến ý nghĩa
từ các hệ số hồi quy ước lượng là không còn đáng tin cậy.
Để kiểm tra xem có sự tồn tại của hiện tượng nội sinh hay không, nhóm tác
giả đã thực hiện kiểm định Durbin-Wu-Hausman với các giả thuyết sau:
H0. Không có hiện tượng nội sinh
H1. Có hiện tượng nội sinh
Từ đó ta có thể thấy được, nếu p-value nhỏ hơn mức ý nghĩa 5% thì sẽ bác
bỏ giả thuyết H0, chấp nhận H1. Ngược lại, nếu p-value lớn hơn mức ý nghĩa 5%
thì không bác bỏ H0. và cho rằng bài nghiên cứu không xảy ra hiện tượng nội sinh.
34
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1. Phân tích thống kê mô tả cho mẫu nghiên cứu
Bài nghiên cứu sử dụng dữ liệu thứ cấp lấy từ World Bank, Our world in
data của 25 quốc gia công nghiệp là thành viên của Cơ quan Năng lượng quốc tế
(IEA) từ năm 2011 đến năm 2020.
Bảng 4.1 Thống kê mô tả các biến số xuất hiện trong mô hình
Biến số Số quan sát Trung bình Độ lệch Giá trị nhỏ Giá trị lớn
chuẩn nhất nhất
Co2 250 10.22208 3.895715 4.654943 20.05278
GDP 250 43010.19 20117.47 8561.064 103553.8
energy 250 49877.13 22637.3 18146.14 114051.1
Popdens 250 158.0218 143.4962 2.906523 531.1956
Inflation 250 1.71053 2.185938 -1.735888 16.33246
FDI 250 3.95e+10 9.06e+10 -3.30e+11 5.11e+11
urban 250 77.92692 10.40937 53.726 98.079
Nguồn: Tính toán của tác giả
Kết quả thống kê mô tả cho thấy các biến số trong mô hình đều có tổng số
quan sát là 250 quan sát. Lượng khí thải CO 2 dựa trên sự tiêu thụ bình quân đầu
người có trung bình trong mẫu này là khoảng 10.2208 tấn trên một người, lớn gấp
khoảng 4 lần so với lượng khí thải CO 2 (trung bình là 2.43 tấn) trong mẫu nghiên
cứu của Tebourbi và các cộng sự (2022); lượng khí thải lớn nhất vào khoảng 20.05
tấn và nhỏ nhất là 4.65 tấn. Trung bình mẫu của GDP bình quân đầu người bằng
43010.19 đô la Mỹ, lớn gấp khoảng 7 lần GDP bình quân đầu người trong nghiên
cứu của Tebourbi và các cộng sự (2022) (chỉ có khoảng 6490.67 đô la Mỹ). Giá trị
GDP bình quân đầu người nhỏ nhất là 8561.064 đô la Mỹ, lớn nhất là103553.8 đô la
Mỹ. Giá trị trung bình của lượng tiêu thụ năng lượng gốc bình quân đầu người là
49877.13 kWh, dao động từ 18146.14 kWh đến 114051.1 kWh. Trung bình mật độ
dân số của 25 quốc gia này qua 10 năm là 158 người/km vuông, đạt giá trị thấp nhất
35
bằng 2.9 người/km vuông, lớn nhất lên đến 531.1956 người/km vuông. Tỉ lệ lạm
phát có trung bình mẫu bằng 1.71053 %, dao động từ -1.735888% đến 16.33246%.
Tiếp đến là biến số FDI ròng, trung bình mẫu của nó khoảng 39.5 tỷ đô la Mỹ, gấp
khoảng 6 lần trung bình mẫu của FDI ròng trong nghiên cứu của Tebourbi và các
cộng sự (2022); giá trị của FDI ròng nhỏ nhất vào khoảng -330 tỷ đô la Mỹ và cao
nhất bằng 511 tỷ đô la Mỹ. Cuối cùng là tỉ lệ đô thị hóa, trung bình mẫu khoảng
77.92692%, dao động từ 53.726% đến 98.079%. Sự khác biệt lớn giữa các biến số
như FDI ròng, GDP bình quân đầu người, lượng khí thải CO 2 dựa trên sự tiêu thụ
bình quân đầu người trong mẫu nghiên cứu của nhóm tác giả với mẫu nghiên cứu
của Tebourbi và các cộng sự (2022) xuất phát từ sự khác biệt trong nhóm nước mà
hai nghiên cứu thực hiện khảo sát, một bên là các nước công nghiệp hiện đại là
thành viên của IEA, một bên là các nước đang phát triển thuộc ASEAN.
4.2. Phân tích tương quan cho các biến nghiên cứu
Từ bảng 4.2, ta thấy các biến độc lập Ln(energy), L.Ln(Co2), Ln(GDP),
[Ln(GDP)]^2, Ln(energy) có tương quan cùng chiều đáng kể đối với biến phụ thuộc
Ln(Co2); hai biến khác cũng có mối tương quan cùng chiều với biến phụ thuộc là
FDI và urban. Ngược lại, hai biến độc lập Ln(Popdens) và Inflation có mối tương
quan nghịch chiều với Ln(Co2). Hầu hết hệ số tương quan giữa các biến độc lập đều
không vượt quá 0.8 hoặc -0.8, ngoại trừ Ln(GDP) và bình phương của nó (có hệ số
tương quan bằng 0.9995), tuy nhiên bình phương Ln(GDP) là một biến tương tác
của Ln(GDP), việc có hệ số tương quan lớn giữa chúng là điều không thể tránh khỏi
nên có thể bỏ qua vấn đề đa cộng tuyến gây ra bởi hai biến này.
36
Bảng 4.2: Phân tích tương quan giữa các biến hồi quy trong mô hình
Ln(Co2) L.Ln(Co2 Ln(GDP [Ln(GDP)]^ Ln(energy Ln(Popdens Infla FDI urban
) ) 2 ) )
Ln(Co2) 1.0000
L.Ln(Co2) 0.9895 1.0000
Ln(GDP) 0.6283 0.6433 1.0000
[Ln(GDP)]^2 0.6255 0.6405 0.9995 1.0000
Ln(energy) 0.7047 0.6999 0.6388 0.6350 1.0000
Ln(Popdens) -0.1509 -0.1499 -0.2451 -0.2509 -0.4821 1.0000
Inflation -0.1815 -0.1995 -0.3941 -0.3793 -0.2143 -0.0424 1.0000
FDI 0.2726 0.2478 0.1641 0.1620 0.2098 -0.0468 -0.0189 1.0000
urban 0.3571 0.3605 0.3555 0.3506 0.4378 -0.0202 -0.0944 0.1046 1.0000
37
4.3. Phân tích mô hình hồi quy
4.3.1. Lựa chọn phương pháp hồi quy và chẩn đoán thống kê
Sau khi thực hiện phân tích thống kê mô tả và sự tương quan giữa các biến,
nhóm tác giả tiến hành phân tích hồi quy dựa trên ba phương pháp là phương pháp
bình phương nhỏ nhất gộp (Pooled OLS), mô hình hiệu ứng cố định (Fixed Effects
Model - FEM), mô hình hiệu ứng ngẫu nhiên (Random Effects Model - REM), rồi
lựa chọn ra mô hình tốt nhất.
Đầu tiên là lựa chọn giữa hai phương pháp là OLS gộp và mô hình hiệu ứng
cố định (FEM). Kết quả hồi quy của mô hình hiệu ứng cố định được thể hiện trong
bảng 4.3, cho thấy giả thiết H0: αi = 0 với mọi i của kiểm định F bị bác bỏ ở mức ý
nghĩa 1%, do đó giữa hai phương pháp này nhóm tác giả lựa chọn mô hình hiệu ứng
cố định. Tiếp đến nhóm tác giả thực hiện kiểm định Hausman để chọn ra mô hình
phù hợp hơn giữa FEM và REM, cho kết quả giả thiết H0 bị bác bỏ ở mức ý nghĩa
1%, do đó FEM phù hợp hơn REM. Từ hai kết luận trên, nhóm tác giả lựa chọn
FEM để thực hiện phân tích cho nghiên cứu này.
Tuy nhiên, sau khi kiểm định phương sai thay đổi (Wald test) và tự tương
quan (Wooldrige) của FEM, nhận thấy rằng giả thiết H0 ở cả hai kiểm định đều bị
bác bỏ ở mức ý nghĩa 1%, do đó nếu vẫn sử dụng FEM sẽ dẫn đến kết quả ước
lượng các hệ số hồi quy không còn đáng tin cậy. Để khắc phục hai khuyết tật này
của mô hình, nhóm tác giả dùng phương pháp bình phương nhỏ nhất tổng quát
(GLS).
Như đã đề cập trước đó, hiện tượng nội sinh là một vấn đề rất khó để kiểm
soát. Khả năng các biến độc lập trong kinh tế vĩ mô có thể có quan hệ nhân quả hai
chiều, cũng như các yếu tố tiềm ẩn chưa được đưa vào mô hình có tương quan với
các biến độc lập. Vậy cuối cùng, để khắc phục các hiện tượng phương sai thay đổi,
tự tương quan và kiểm soát nội sinh của mô hình, nhóm tác giả quyết định chọn
phương pháp GMM hệ thống (lựa chọn robust và twostep) làm phương pháp ước
38
lượng chính của bài nghiên cứu, và sẽ thực hiện phân tích hồi quy dựa trên phương
pháp này.
Bảng 4.3: Kết quả hồi quy của OLS gộp, FEM, REM, GLS và các kiểm định
chẩn đoán thống kê
POLS FEM REM GLS

L.Ln(Co2) 0.987*** 0.388*** 0.987*** 0.993***
[64.25] [7.65] [64.25] [69.25]
Ln(GDP) -0.775*** 0.778 -0.775*** -0.554*
[-2.62] [1.54] [-2.62] [-1.88]
[Ln(GDP)]2 0.0365** -0.0360 0.0365*** 0.0258*
[2.59] [-1.51] [2.59] [1.84]
Ln(energy) 0.0349** 0.777*** 0.0349** 0.0285**
[2.16] [11.23] [2.16] [2.07]
Ln(Popdens) 0.00560 -0.821*** 0.00560 0.00458
[1.59] [-4.93] [1.59] [1.63]
Inflation -0.00354 -0.00183 -0.00354 -0.00189
[-1.59] [-0.64] [-1.59] [-0.90]
FDI 4.26e-14 2.31e-14 4.26e-14 2.26e-14
[1.04] [0.56] [1.04] [0.67]
urban -0.000248 -0.00891* -0.000248 -0.0000745
[-0.61] [-1.89] [-0.61] [-0.20]
_cons 3.731** -6.781** 3.731** 2.628*
[2.46] [-2.23] [2.46] [1.72]
N 225 225 225 225

R-sq 0.980 0.768
Kiểm định F 0.0000
39
Kiểm định Hausman 0.0000
Kiểm định Wald 0.0000
Kiểm định Wooldrige 0.0000
Nguồn:Tính toán của tác giả
Chú thích: ***, **, * thể hiện mức ý nghĩa thống kê lần lượt tại 1%, 5%, và 10%. Giá trị
trong ngoặc vuông thể hiện giá trị sai số chuẩn.
4.3.2. Kết quả hồi quy chính

Bảng 4.4: Kết quả hồi quy của phương pháp GMM hệ thống
System GMM
L.Ln(Co2) 1.491***
[3.90]
Ln(GDP) -12.56***
[-2.79]
[Ln(GDP)]2 0.562***
[2.70]
Ln(energy) 0.627**
[2.10]
Ln(Popdens) 0.0585
[1.11]
Inflation -0.0763***
[-2.75]
FDI -4.26e-13
[-0.40]
urban 0.00246
[0.52]
_cons 61.59***
[2.59]
Số quan sát 175
Số biến công cụ 13
40
AR(2) 0.111
Kiểm định Sargan 0.494
Kiểm định Hansen 0.895
Chú thích: ***, **, * thể hiện mức ý nghĩa thống kê lần lượt tại 1%, 5%, và 10%. Giá trị
trong ngoặc vuông thể hiện giá trị sai số chuẩn.
Kết quả hồi quy của phương pháp GMM hệ thống cho thấy các biến FDI,
urban và Ln(Popdens) bị mất ý nghĩa thống kê ở mức ý nghĩa α = 10%. Biến FDI
trong các mô POLS, REM, FEM hay GLS cũng không có ý nghĩa thống kê, còn hai
biến urban và Ln(Popdens) chỉ có ý nghĩa thống kê ở mô hình FEM. Do đó nhóm
tác giả kết luận dòng vốn đầu tư trực tiếp từ nước ngoài ròng, mật độ dân số và tỉ lệ
đô thị hóa không có tác động đến lượng khí thải CO 2 trong bài nghiên cứu này. Kết
luận này khác biệt với nghiên cứu đã được đề cập trước đó.
4.3.2.1 Tác động của GDP bình quân đầu người lên lượng khí thải CO 2
dựa trên sự tiêu thụ bình quân đầu người
Dựa vào bảng kết quả 4.4, ta thấy hệ số hồi quy của biến Ln(GDP) là âm và
hệ số hồi quy của biến [Ln(GDP)]2 là dương. Ước lượng của hai hệ số hồi quy này
bằng những phương pháp POLS, REM, và GLS cũng cho ra kết quả tương tự (ngoại
trừ FEM nhưng ước lượng hai hệ số hồi quy trong FEM bị mất ý nghĩa thống kê).
Điều này trái ngược với lý thuyết đường cong Kurnets và do đó bác bỏ giả thiết
nghiên cứu H2. Đường cong lúc này không còn là hình chữ U úp ngược mà có dạng
chữ U thuận. Đường cong có đáy ở điểm:
−β 1
GDP = ⅇ 2 β = 71280.44 đô la Mỹ
2
Kết quả trên hàm ý rằng nếu GDP bình quân đầu người của một quốc gia nhỏ
hơn 71280.44 đô la Mỹ thì việc tăng GDP sẽ làm giảm lượng khí thải CO 2, vượt qua
ngưỡng này thì GDP tăng sẽ khiến lượng khí thải CO 2 tăng theo. Trong nghiên cứu
41
của Tebourbi và cộng sự (2022), mối quan hệ giữa GDP bình quân đầu người và
lượng khí thải CO2 dựa trên tiêu thụ bình quân đầu người trong ngắn hạn cũng là
một đường cong chữ U xuôi, tuy nhiên trong dài hạn thì trở thành đường cong chữ
U ngược, phù hợp với lý thuyết EKC. Nghiên cứu của nhóm tác giả chỉ kéo dài
trong khoảng 10 năm, trong khi Tebourbi và cộng sự (2022) khảo sát các nước đang
phát triển từ năm 1987 đến năm 2017, tức là trong 30 năm. Việc áp dụng phương
pháp hồi quy khác cũng dẫn đến sự khác biệt trong ước lượng.
Thêm vào đó, trong mẫu nghiên cứu của nhóm tác giả, chỉ có 21 quan sát
trên tổng số 250 quan sát là có GDP bình quân đầu người cao hơn ngưỡng chuyển
đổi là 71280 đô la Mỹ (chiếm 8.4%), do đó việc kết luận tăng GDP dẫn đến tăng
lượng khí thải CO2 không thực sự có ý nghĩa trong bài nghiên cứu này. Tuy nhiên
kết quả hồi quy của nhóm tác giả cũng có phần hỗ trợ cho lý thuyết EKC. Các nước
công nghiệp đều là các nước có nền kinh tế tăng trưởng mạnh mẽ đứng đầu thế giới,
do đó GDP bình quân đầu người các nước này cũng rất cao. Lý thuyết EKC cho
rằng tăng trưởng kinh tế đến một ngưỡng nào đó sẽ giúp làm giảm lượng khí thải
CO2 trong không khí, nhờ sự tiến bộ về công nghệ và khoa học kĩ thuật, và có thể
nói những nước công nghiệp nằm trong trường hợp này. Với GDP bình quân đầu
người của hầu hết các nước trong mẫu nghiên cứu (91.6% trên tổng số mẫu có GDP
nhỏ hơn ngưỡng chuyển đổi), thì tăng trưởng GDP sẽ làm giảm lượng khí thải CO 2,
phù hợp với lý thuyết EKC. Cụ thể là, với GDP bình quân đầu người nhỏ hơn
71280.44 đô la Mỹ, khi GDP tăng 1% sẽ dẫn đến lượng khí thải CO 2 dựa trên sự
tiêu thụ bình quân đầu người giảm |-12.56 + 1.124*Ln(GDP)| (%).
4.3.2.2 Tác động của tỉ lệ lạm phát lên lượng khí thải CO 2 dựa trên sự
tiêu thụ bình quân đầu người
Kết quả từ phương pháp GMM hệ thống cho thấy tỉ lệ lạm phát có mối quan
hệ ngược chiều với lượng khí thải CO 2, ủng hộ giả thiết nghiên cứu H3. Cụ thể, nếu
tỉ lệ lạm phát tăng 1 điểm phần trăm sẽ làm cho lượng khí thải CO2 giảm 7.63%.
Kết luận nghiên cứu phù hợp với nghiên cứu của Setyadharma và cộng sự (2021),
42
Ronaghi và cộng sự (2019). Như đã phân tích ở phần Cơ sở lý thuyết, tỉ lệ lạm phát
tăng lên đi kèm với giá cả của hàng hóa và dịch vụ tăng lên, khuyến khích người
dân tiết kiệm, hạn chế một số hoạt động có thể thải ra khí CO2 như sử dụng phương
tiện giao thông (do đi lại làm tốn chi phí cho nhiên liệu), sử dụng điện (do tăng giá
điện) trong sinh hoạt, v.v... Lạm phát tăng cũng khiến hoạt động sản xuất giảm do
chi phí nguyên vật liệu tăng cao, dẫn đến lượng phát thải CO 2 trong không khí giảm
đi.
4.3.2.3 Tác động của lượng tiêu thụ năng lượng gốc bình quân đầu
người đến lượng khí thải CO2 dựa trên sự tiêu thụ bình quân đầu người
Theo kết quả hồi quy có được từ phương pháp GMM hệ thống, tồn tại mối
quan hệ cùng chiều giữa lượng tiêu thụ năng lượng gốc và lượng khí thải CO 2. Hệ
số hồi quy trước biến Ln(energy) là 0.627, hàm ý rằng lượng tiêu thụ năng lượng
gốc bình quân đầu người tăng 1% thì lượng khí thải CO2 sẽ tăng 0.627%. Nghiên
cứu của Tebourbi và cộng sự (2022), Mohsin và cộng sự (2022) cũng như một số
nghiên cứu đã đề cập trước đó cũng cho ra kết luận tương tự. Vì vậy giả thiết nghiên
cứu H6 được chấp nhận. Nguyên do của lượng tiêu thụ năng lượng gốc tăng dẫn
đến lượng khí thải CO2 tăng xuất phát từ việc các nhiên liệu hóa thạch như than, dầu
mỏ, khí tự nhiên khi đốt sẽ thải ra một lượng rất lớn các loại khí nhà kính trong đó
có CO2. Tiêu thụ càng nhiều năng lượng gốc tất yếu dẫn đến lượng khí thải CO 2 tích
tụ càng nhiều.
4.3.2.4 Tác động của lượng phát thải CO 2 một kì liền trước đó đến lượng
phát thải CO2 ở hiện tại (dựa trên sự tiêu thụ bình quân đầu người).
Đây là một biến độc lập do nhóm tác giả đưa vào mô hình hồi quy. Cả bốn
mô hình POLS, FEM, REM, GLS và phương pháp chính của bài nghiên cứu là
GMM hệ thống đều cho thấy lượng phát thải CO 2 một kì trước đó có ảnh hưởng đến
lượng khí thải CO2 ở hiện tại. Hệ số hồi quy của biến L.Ln(Co2) là dương (bằng
1.491), thể hiện rằng lượng khí thải CO 2 một kì trước đó có tác động dương lên
lượng khí thải CO2 kỳ này, cụ thể là lượng khí thải CO 2 trong kì liền trước tăng 1%
43
dẫn đến lượng khí thải CO 2 kì này tăng 1.491%. Kết luận này ủng hộ cho giả thiết
nghiên cứu H7.
CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý

5.1. Kết luận
Bài nghiên cứu đã tìm hiểu và phân tích các tác động của các yếu tố kinh tế
vĩ mô bao gồm GDP bình quân đầu người, FDI ròng, tỉ lệ lạm phát và các yếu tố xã
hội gồm tỉ lệ đô thị hóa, mật độ dân số, lượng tiêu thụ năng lượng gốc bình quân
đầu người lên lượng khí thải CO2 dựa trên sự tiêu thụ bình quân đầu người. Ngoài ra
nhóm tác giả đưa vào phân tích sự ảnh hưởng của lượng khí thải CO 2 một kì trước
đó đến lượng khí thải CO2 kì hiện tại.
Nghiên cứu ban đầu sử dụng ba phương pháp hồi quy POLS, FEM, REM để
ước lượng các hệ số hồi quy và sau đó dùng kiểm định F, kiểm định Hausman nhằm
chọn ra phương pháp phù hợp nhất trong cả ba. Từ hai kiểm định trên, nhóm tác giả
lựa chọn FEM là mô hình phù hợp nhất. Tuy nhiên sau khi kiểm tra liệu có xuất
hiện hiện tượng phương sai thay đổi trong mô hình bằng kiểm định Wald và hiện
tượng tự tương quan bằng kiểm định Wooldridge, nhóm tác giả phát hiện cả hai
hiện tượng này đều xảy ra trong mô hình FEM. Do đó phương pháp GLS được áp
dụng để khắc phục khuyết tật này. Cuối cùng, nhằm kiểm soát hiện tượng nội sinh
tiềm ẩn nhóm tác giả sử dụng phương pháp GMM hệ thống và lựa chọn kết quả của
phương pháp này để phân tích và đưa ra kết luận.
Các biến Ln(energy), Inflation, L.Ln(Co2) đều có hệ số hồi quy phù hợp với
các giả thiết nghiên cứu H3, H6, H7 cũng như các nghiên cứu trước đó của
Tebourbi và cộng sự (2022), Mohsin và cộng sự (2022), Setyadharma và cộng sự
(2021), Ronaghi và cộng sự (2019), Zaidi và cộng sự (2018), Koengkan và cộng sự
(2020), Mahjabeen và cộng sự (2020), Alonso (2021). Tuy nhiên, những biến
Ln(Popdens), urban, FDI, Ln(GDP) và [Ln(GDP)]2 có kết quả không ủng hộ cho
những nghiên cứu trước đó. Biến hồi quy đại diện cho mật độ dân số không có ý
nghĩa thống kê trong mô hình GMM hệ thống, và các mô hình POLS, REM, GLS.
44
Trong khi đó nghiên cứu của Daily và Ehrlich (1996), Zaba và Clarke (1994),
Hamilton và Turton (2002) đều kết luận có mối quan hệ cùng chiều giữa mật độ dân
số và lượng phát thải CO2 trong không khí. Nguyên nhân của kết quả này có thể
xuất phát từ việc trong khoảng thời gian lấy mẫu tương đối ngắn là 10 năm thì sự
gia tăng của mật độ dân số của quốc gia công nghiệp chưa đủ lớn để có tác động
đáng kể lên lượng khí thải CO2 trong không khí. Ở các nước công nghiệp hiện đại
có tốc độ tăng của mật độ dân số thường khá chậm, ít biến động, liên quan đến các
chính sách của chính phủ, yếu tố nhận thức của người dân.
Biến số tỉ lệ đô thị hóa cũng không có ý nghĩa thống kê trong kết quả hồi quy
bằng phương pháp GMM hệ thống. Điều này không phù hợp với giả thiết H1 và các
nghiên cứu của Tebourbi và cộng sự (2022), Li và Lin (2015), Martínez-Zarzoso và
Maruotti (2011), Liddle và Lung (2010). Những nghiên cứu này cho thấy sự đô thị
hóa có thể đem lại tác động tích cực lên môi trường, phụ thuộc vào mức độ phát
triển của đô thị. Ở các nước công nghiệp phát triển, tỉ lệ đô thị hóa tăng có khả năng
làm giảm lượng khí thải CO2 trong không khí. Tuy vậy kết quả của bài nghiên cứu
lại cho thấy không có mối liên hệ nào giữa tỉ lệ đô thị hóa và lượng khí thải CO 2 dựa
trên sự tiêu thụ bình quân đầu người. Đây là một vấn đề cần được nghiên cứu thêm.
Biến FDI là biến số thứ ba không có ý nghĩa trong mô hình hồi quy bằng
phương pháp GMM hệ thống. Kết quả này bác bỏ giả thiết nghiên cứu H1 và không
phù hợp với kết quả nghiên cứu của Copeland và Taylor (1994), Zubair và cộng sự
(2020), Pham Xuan Hoa và cộng sự (2023), Cole và cộng sự (2011), Sapkota và
Bastola (2017). Ở các nghiên cứu trước đều cho thấy mối quan hệ cùng chiều giữa
FDI ròng và lượng phát thải CO2. Việc FDI ròng của các nước công nghiệp không
ảnh hưởng đến chất lượng môi trường có thể xuất phát từ việc kiểm soát nghiêm
ngặt mức độ ô nhiễm của các hàng hóa, dịch vụ từ nước ngoài đầu tư vào trong
nước. Những nước kém phát triển hơn có thể trở thành nơi chứa ô nhiễm do ít quan
tâm đến những quy định bảo vệ môi trường nhằm thu hút vốn đầu tư nước ngoài
nhiều hơn. Nghiên cứu của Tebourbi và cộng sự (2022) khảo sát những nước thuộc
45
ASEAN, Pham Xuan Hoa và cộng sự (2023) phân tích ảnh hưởng của FDI lên
lượng khí thải CO2 ở Việt Nam, Zubair và cộng sự (2020) thì nghiên cứu Nigeria,
tất cả đều là những nước đang phát triển, do đó kết luận về mối quan hệ giữa FDI và
lượng khí thải CO2 của họ có thể khác biệt với bài nghiên cứu của nhóm tác giả.
Ngoài ra, hai biến Ln(GDP) và [Ln(GDP)] 2 có kết quả hồi quy khác biệt với
lý thuyết EKC. Thay vì mối liên hệ giữa lượng khí thải CO 2 và GDP có dạng hình
chữ U ngược như trong lý thuyết EKC thì trong bài nghiên cứu của nhóm tác giả
đường cong này có dạng hình chữ U xuôi. Tuy nhiên như đã đề cập trước đó số
lượng mẫu có GDP lớn hơn ngưỡng chuyển đổi là không đáng kể nên nhóm tác giả
sẽ chỉ quan tâm đến phần bên trái của đường cao, cho thấy tồn tại mối quan hệ
ngược chiều giữa GDP bình quân đầu người và lượng khí thải CO 2 dựa trên sự tiêu
thụ bình quân đầu người. Điều này có phần ủng hộ cho lý thuyết EKC khi mà sự
phát triển của nền kinh tế đạt mức cao như các nước công nghiệp thì tăng trưởng
trong GDP có thể làm giảm lượng khí thải CO2 trong không khí.
Kết quả của nghiên cứu có ý nghĩa thực tiễn đối với các nhà phân tích, các
nhà thực hiện chính sách. Việc xác định và hiểu rõ các yếu tố tác động đến lượng
khí thải CO2 trong không khí có thể giúp thúc đẩy sự tăng trưởng của một quốc gia
mà vẫn đảm bảo yếu tố bảo vệ môi trường, hướng đến sự phát triển bền vững.
5.2. Khuyến nghị chính sách

Kết quả nghiên cứu cho thấy việc sử dụng nguồn năng lượng gốc gây ảnh
hưởng tiêu cực đến môi trường. Vì thế, chú trọng vào tiết kiệm năng lượng và thúc
đẩy việc sử dụng những nguồn năng lượng tái tạo như năng lượng mặt trời, năng
lượng gió, v.v. là rất cần thiết nhằm giảm thiểu sự ô nhiễm. Ngoài ra, đầu tư vào các
nghiên cứu khoa học, máy móc công nghệ hiện đại nhằm tạo ra các phương thức
sản xuất có hiệu quả và năng suất cao cũng giúp cải thiện chất lượng môi trường.
Điều chỉnh lạm phát tăng trong ngắn hạn làm giảm lượng khí thải CO 2 nhờ
vào hoạt động tiêu thụ giảm đi và tiết kiệm tăng lên, tuy nhiên lạm phát có thể ảnh
46
hưởng đến sức khỏe của nền kinh tế vì vậy đây là một yếu tố cần được cân nhắc kĩ
lưỡng trước khi ra quyết định liên quan đến nó.
Kết quả nghiên cứu còn cho thấy tăng trưởng GDP có ảnh hưởng tích cực lên
môi trường, làm giảm lượng khí thải CO 2. Vì vậy các chính sách giúp nền kinh tế
tăng trưởng như đẩy mạnh các ngành dịch vụ, giảm lãi suất điều hành, tăng cường
xuất khẩu, v.v. có thể làm môi trưởng trở nên tốt hơn, củng cố cho sự phát triển bền
vững của quốc gia.
5.3. Hạn chế của đề tài

Bài nghiên cứu chưa cho thấy sự ảnh hưởng của biến số tỉ lệ đô thị hóa lên
lượng khí thải CO2 dựa trên sự tiêu thụ, điều mà các nghiên cứu trước đó đều ghi
nhận là có mối quan hệ giữa hai đại lượng này. Do đó đây là vấn đề cần được
nghiên cứu thêm.
Nhóm tác giả sử dụng dữ liệu bảng vi mô, khoảng thời gian thực hiện khảo
sát của bài nghiên cứu so với những nghiên cứu trước tương đối ngắn, Tebourbi và
cộng sự (2022) lấy mẫu khảo sát trong 30 năm, Zubair và cộng sự (2020) lấy mẫu
khảo sát trong 38 năm; vì vậy bài nghiên cứu của nhóm tác giả chưa thể phân tích
được tác động dài hạn của các yếu tố kinh tế và xã hội lên lượng khí thải CO 2. Một
số yếu tố kinh tế xã hội khác có khả năng ảnh hưởng đến lượng khí thải CO 2 như tỉ
lệ già hóa dân số, chi tiêu chính phủ, học vấn của người dân. Vì vậy mở rộng thời
gian khảo sát và sử dụng các phương pháp hồi quy khác, thêm biến mới vào mô
hình hồi quy. Đây cũng là hướng nghiên cứu sau này của nhóm tác giả.
47
TÀI LIỆU THAM KHẢO
Imen Tebourbi, Anh Thi Truc Nguyen, Shu-Fang Yuan & Chiung-Yu Huang
(2023), “How do social and economic factors affect carbon emissions? New
evidence from five ASEAN developing countries”, Economic Research-Ekonomska
Istraživanja.
Muhammad Mohsin, Sobia Naseem, Muddassar Sarfraz, Tamoor Azam

(2022), “Assessing the effects of fuel energy consumption, foreign direct investment
and GDP on CO2 emission: New data science evidence from Europe & Central
Asia”, Fuel, Vol: 314, 123098.
Chien-Chiang Lee, Ya-Nan Zhao (2023), “Heterogeneity analysis of factors

influencing CO2 emissions: The role of human capital, urbanization, and FDI”,
Renewable and Sustainabe Energy Reviews, Vol: 185, 113644
Jinchao Yi, Yilin Hou, Zach Ziye Zhang (2023), “The impact of foreign
direct investment (FDI) on China’s manufacturing carbon emissions”, Innovation
and Green Development, Vol: 2, Issue: 4.
Azeem Oluwaseyi Zubair, Abdul-Rahim Abdul Samad, Ali Madina

Dankumo (2020), “Does gross domestic income, trade integration, FDI inflows,
GDP, and capital reduces CO2 emissions? An empirical evidence from Nigeria”,
Current Research in Environmental Sustainability, Vol: 2, 100009.
Hsiao-Tien Pao, Chung-Ming Tsai (2011), “Multivariate Granger causality

between CO2 emissions, energy consumption, FDI (foreign direct investment) and
GDP (gross domestic product): Evidence from a panel of BRIC (Brazil, Russian
Federation, India, and China) countries”, Energy, Vol: 36, tr. 685 – 693.
Hoa Pham Xuan, Xuan Vu Ngoc, Thu Nguyen Thi Phuong (2023), “Nexus
of innovation, renewable consumption, FDI, growth and CO2 emissions: The case
of Vietnam”, Journal of Open Innovation: Technology, Market, and Complexity,
Vol: 9, 100100.
48
Manuel A. Zambrano-Monserrate, Christopher Carvajal-Lara, Roberto
Urgilés-Sanchez, Maria Alejandra Ruano (2018), Ecological Indicators, Vol: 90, tr.
1-8.
Claudiu Tiberiu Albulescu, Alin Emanuel Artene, Caius Tudor Luminosu,

Matei Tămășilă (2020), “CO2 emissions, renewable energy, and environmental
regulations in the EU countries”, Environmental Science and Pollution Research,
Vol: 27, tr. 33615-33635.
Sandra L. Postel, Gretchen C. Daily, Paul R. Ehrlich (1996), “Human

Appropriation of Renewable Fresh Water”, Science, Vol: 271, tr. 785-788.
Zaba B., Clarke J.I. (Eds.) (1994), “Environment and Population Change”,
Nhà xuất bản Derouaux Ordinary Editions.
Clive Hamilton, Hal Turton (2002), “Determinants of emissions growth in

OECD countries”, Energy Policy, Vol: 30, tr. 63-71.
Syed Anees Haider Zaidi, Danish , Fujun Hou, Faisal Mehmood Mirza
(2018), “The role of renewable and non-renewable energy consumption in CO2
emissions: a disaggregate analysis of Pakistan”, Environmental Science and
Pollution Research, Vol: 25, tr. 31616-31629.
Matheus Koengkan, José Alberto Fuinhas & Renato Santiago (2020), “The
relationship between CO2 emissions, renewable and non-renewable energy
consumption, economic growth, and urbanisation in the Southern Common
Market”, Journal of Environmental Economics and Policy, 9:4, tr. 383-401.
Mahjabeen, Syed Z.A. Shah, Sumayya Chughtai, Biagio Simonetti (2020),

“Renewable energy, institutional stability, environment and economic growth nexus
of D-8 countries”, Energy Strategy Reviews, Vol: 29, 100484.
Alonso, H. C. (2021), “Impact of renewable energies on greenhouse gas

emissions in Mexico”, Problemas del desarrollo, Vol: 52, tr. 59-83.
49
Brian R. Copeland, M. Scott Taylor (1994), “North-South Trade and the
Environment”, The Quarterly Journal of Economics, Vol: 109, tr. 755-787.
Gunnar S. Eskeland, Ann E. Harrison (2003), “Moving to greener pastures?

Multinationals and the pollution haven hypothesis”, Journal of Development
Economics, Vol: 70, tr.1-23.
Golub, S. S., C. Kauffmann and P. Yeres (2011), “Defining and Measuring

Green FDI: An Exploratory Review of Existing Work and Evidence”, Organization
for Economic Development and Cooperation Working, Vol: 102.
Matthew A. Cole, Robert J.R. Elliott, Jing Zhang (2011), “Growth, FDI, and
The Environment: Evidence from Chinese Cities”, Journal of Regional Science,
Vol: 51, tr. 121-138.
Pratikshya Sapkota, Umesh Bastola (2017), “Foreign direct investment,

income, and environmental pollution in developing countries: Panel data analysis of
Latin America”, Energy Economics, Vol: 64, tr. 206-212.
Muhammad Ali Musarat, Wesam Salah Alaloul, M.S. Liew, Ahsen

Maqsoom, Abdul Hannan Qureshi (2020), “Investigating the impact of inflation on
building materials prices in construction industry”, Journal of Building
Engineering, Vol: 32, 101485.
Andryan Setyadharma, Shanty Oktavilia, Indah Fajarini Sri Wahyuningrum,

Sri Indah Nikensari, Arumawan Mei Saputra (2021), “Does Inflation Reduce Air
Pollution? Evidence from Indonesia”, International Conference on Energy,
Environment, Epidemiology, and Information System (ICENIS), Semarang,
Indonesia, tháng 8-2021.
Marzieh Ronaghi, Michael Reed, Sayed Saghaian (2020), “The Impact of

Economics Factors and Governance on Greenhouse Gas Emission”, Environmental
Economics and Policy Studies, Vol: 22, tr. 153-172.
50
Wahidah N L, Ernoiz Antriyandarti (2021), “Impact of climate change and
Coronavirus Disease (COVID-19) on inflation in Indonesia”, IOP Conference
Series, Earth and Environmental Science, Vol: 74, 012105.
Mouez Fodha, Oussama Zaghdoud (2010), “Economic growth and pollutant

emissions in Tunisia: An empirical analysis of the environmental Kuznets curve”,
Energy Policy, Vol: 38, tr. 1150-1156.
Michael Tucker (1995), “Carbon dioxide emissions and global GDP”,

Ecological Economics, Vol: 15, tr. 215-223.
Ching-Chih Chang (2010), “A multivariate causality test of carbon dioxide

emissions, energy consumption and economic growth in China”, Applied Energy,
Vol: 11, tr. 3533-3537.
Shuwen Niu, Yongxia Ding, Yunzhu Niu, Yixin Li, Guanghua Luo (2011),
“Economic growth, energy conservation and emissions reduction: A comparative
analysis based on panel data for 8 Asian-Pacific countries”, Energy Policy, Vol: 39,
tr. 2121-2131.
Yongming Huang, Zebo Kuldasheva, Raufhon Salahodjaev (2021),

“Renewable Energy and CO2 Emissions: Empirical Evidence from Major Energy-
Consuming Countries”, Energies, Vol: 14, Issue 22.
Nuno Carlos Leitão, Clara Contente Dos Santos Parente, Daniel Balsalobre-
Lorente & José María Cantos Cantos (2023), “Revisiting the effects of energy,
population, foreign direct investment, and economic growth in Visegrad countries
under the EKC scheme”, Environmental Science and Pollution Research, Vol: 30,
tr. 15102-15114.
Nga Phan Thi Hang, Hang Le Thi Thuy, Chien Nguyen Van (2022),
“Foreign Direct Investment, Environmental Pollution and Economic Growth—An
Insight from Non-Linear ARDL Co-Integration Approach”, Sustainability, Vol: 14,
Issue 13.
51
Ilhan Ozturk, Ali Acaravci (2013), “The long-run and causal analysis of
energy, growth, openness and financial development on carbon emissions in
Turkey”, Energy Economics, Vol: 36, tr. 262-267.
Dorota Wawrzyniak, Wirginia Doryń (2020), “Does the quality of

institutions modify the economic growth-carbon dioxide emissions nexus? Evidence
from a group of emerging and developing countries”, Economic Research-
Ekonomska Istraživanja, Vol: 33, tr. 124-144.
A. Buyantuyev, J. Wu (2009), “Urbanization alters spatiotemporal patterns

of ecosystem primary production: A case study of the Phoenix metropolitan region,
USA”, Journal of Arid Environments, Vol: 73, tr. 512-520.
Danish, Recep Ulucak, Salah Ud-Din Khan (2020), “Determinants of the

ecological footprint: Role of renewable energy, natural resources, and
urbanization”, Sustainable Cities and Society, Vol: 54, 101996.
C. Zhang, H. Tian, S. Pan, G. Lockaby, A. Chappelka (2014), “Multi-factor

controls on terrestrial carbon dynamics in urbanized areas”, Biogeosciences, Vol:
11, tr. 7107-7124.
Ke Li, Boqiang Lin (2015), “Impacts of urbanization and industrialization on

energy consumption/CO2 emissions: Does the level of development matter?”,
Renewable and Sustainable Energy Reviews, Vol: 52, tr. 1107-1122.
Diego Ponce de Leon Barido, Julian D. Marshall (2014), “Relationship

between Urbanization and CO2 Emissions Depends on Income Level and Policy”,
Environments, Science, Technology, Vol: 48, tr. 3632-3639.
Inmaculada Martínez-Zarzoso, Antonello Maruotti (2011), “The impact of

urbanization on CO2 emissions: Evidence from developing countries”, Ecological
Economics, Vol: 70, tr. 1344-1353.
52
B. O’Neil (2010), “Climate Change: Demographics Matter”,
https://cordis.europa.eu/article/id/32652-climate-change-demographics-matter
Christopher Bryant (2005), “The Impact of Urbanization on Rural Land

Use”, http://eolss.net/Sample-Chapters/C10/E5-01A-04-03.pdf.
Brant Liddle, Sidney Lung (2010), “Age-structure, urbanization, and climate

change in developed countries: revisiting STIRPAT for disaggregated population
and consumption-related environmental impacts”, Population and Environment,
Vol: 31, tr. 317-343.
Ying Fan, Lan-Cui Liu, Gang Wu, Yi-Ming Wei (2006), “Analyzing impact
factors of CO2 emissions using the STIRPAT model”, Environmental Impact
Assessment Review, Vol: 26, tr. 377-395.
53
PHỤ LỤC: Các kết quả kiểm định và hồi quy
54
55
CÁC QUỐC GIA ĐƯỢC LẤY SỐ LIỆU TRONG BÀI NGHIÊN CỨU
Australia, Austria, Belgium, Canada, Denmark, Finland, France, Germany,

Greece, Italy, Japan, Netherlands, Portugal, South Korea, Spain, Sweden,
Switzerland, United Kingdom, United States, Norway, Czechia, Ireland, Slovakia,
Hungary, Turkey.
56

Một số yếu tố kinh tế xã hội ảnh hưởng đến lượng khí thải CO2 của một quốc gia công nghiệp 2011-2020

Uploaded by

Copyright:

Available Formats

You might also like

Một số yếu tố kinh tế xã hội ảnh hưởng đến lượng khí thải CO2 của một quốc gia công nghiệp 2011-2020

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Một số yếu tố kinh tế xã hội ảnh hưởng đến lượng khí thải CO2 của một quốc gia công nghiệp 2011-2020

Uploaded by

Copyright:

Available Formats

ĐẠI HỌC UEH

TRƯỜNG CÔNG NGHỆ VÀ THIẾT KẾ

MỘT SỐ YẾU TỐ KINH TẾ XÃ HỘI ẢNH

Giảng viên: Cô Trần Thị Tuấn Anh

TP Hồ Chí Minh, tháng 09 năm 2023

DANH MỤC BẢNG

1.2. Mục tiêu và câu hỏi nghiên cứu

1.2.2. Câu hỏi nghiên cứu

1.3. Đối tượng nghiên cứu và phạm vi nghiên cứu

1.4. Phương pháp nghiên cứu

1.5. Đóng góp của đề tài

1.6. Bố cục đề tài

Chương 1 – Giới thiệu:

Chương 3 – Phương pháp nghiên cứu:

Chương 4 – Kết quả nghiên cứu:

Chương 5 – Kiến nghị:

2.2.2. Các nghiên cứu trước đó đã nêu ra sự tác động

2.3.2. Các nghiên cứu trước đó đã nêu ra sự tác động

2.4.2. Các nghiên cứu trước đó đã nêu ra sự tác động

Zambrano Monserrate và cộng sự (2018), cũng như Albulescu và cộng sự

2.5.2. Các nghiên cứu trước đó đã nêu ra sự tác động

2.6.2. Các nghiên cứu trước đó đã nêu ra sự tác động

2.7.2. Các nghiên cứu trước đó đã nêu ra sự tác động

3.2. Dữ liệu nghiên cứu

3.3. Xây dựng mô hình nghiên cứu

3.3.1. Biến phụ thuộc

3.3.2. Biến độc lập

3.3.2.1. GDP bình quân đầu người(GDP)

Đơn vị của GDP trong mô hình hồi quy là đô la Mỹ hiện hành.

3.3.2.2. Chỉ số lạm phát (Inflation)

Đơn vị của lạm phát trong mô hình hồi quy là %.

3.3.2.3. Dòng vốn FDI ròng (FDI)

Đơn vị của FDI trong mô hình hồi quy là đô la Mỹ hiện hành.

3.3.2.4. Tỉ lệ đô thị hóa(urban)

Đơn vị của tỉ lệ đô thị hóa trong mô hình hồi quy là %.

3.3.2.6. Mật độ dân số (Popdens)

Logarit tự nhiên của

Logarit tự nhiên của (+)

Tỉ lệ đô thị hóa (%) (-) Liddle và Lung (2010),

Logarit tự nhiên của (+) Simon Kuznets (1995),

Chỉ số lạm phát (tính (-) Musarat và cộng sự

Mật độ dân số (+) Zambrano Monserrate và

Dòng vốn FDI (+) Copeland và Taylor

ròng(BoP/đô la Mỹ (1994), Zubair và cộng sự

Logarit tự nhiên của (+) Zaidi và cộng sự (2018),

lượng tiêu thụ năng Koengkan và cộng sự

Ln(Co2)it = β0 + β1*Ln(GDP)it + β2*[Ln(GDP)it]2 + β3*Ln(energy)it +

Các giả thiết nghiên cứu:

3.5. Phương pháp nghiên cứu

Bảng 4.1 Thống kê mô tả các biến số xuất hiện trong mô hình

L.Ln(Co2) 0.9895 1.0000

Ln(GDP) 0.6283 0.6433 1.0000

[Ln(GDP)]^2 0.6255 0.6405 0.9995 1.0000

Ln(energy) 0.7047 0.6999 0.6388 0.6350 1.0000

Ln(Popdens) -0.1509 -0.1499 -0.2451 -0.2509 -0.4821 1.0000

Inflation -0.1815 -0.1995 -0.3941 -0.3793 -0.2143 -0.0424 1.0000

FDI 0.2726 0.2478 0.1641 0.1620 0.2098 -0.0468 -0.0189 1.0000

Nguồn: Tính toán của tác giả

POLS FEM REM GLS

Ln(Co2)it = β0 + β1Ln(GDP)it + β2[Ln(GDP)it]2 + β3*Ln(energy)it +