技术创新、绿色创新与绿色能源对巴基斯坦CO2排放的长期影响：基于增强自回归分布滞后模型的实证研究

为解决巴基斯坦气候脆弱性和碳排放驱动因素识别问题，研究人员开展技术创新（TNI）、绿色创新（GIN）和绿色能源利用（GEU）对CO2排放的长期影响研究。通过AARDL模型和Granger因果检验发现，TNI和GIN显著降低CO2排放，GEU效果存在模型差异。研究为巴基斯坦低碳转型和实现SDG-13提供了实证支持，强调了创新与能源政策协同的重要性。

　　

气候变化已成为全球最紧迫的挑战之一，威胁着现代文明的稳定与可持续性。尽管传统工业化战略推动了经济增长，但也加剧了环境退化，特别是对化石燃料的依赖导致CO₂排放激增，引发热浪、洪水和飓风等极端天气事件。巴基斯坦作为全球第八大气候脆弱国家，2018年CO₂排放量占全球1.02%，面临严峻的气候风险。在此背景下，识别碳排放的关键驱动因素并制定有效减排策略成为当务之急。以往研究多关注经济增长、能源消耗等传统因素，而忽视了技术创新（Technological Innovation, TNI）、绿色创新（Green Innovation, GIN）和绿色能源利用（Green Energy Utilization, GEU）的综合作用。尤其是在巴基斯坦这样的新兴经济体，这些因素的协同效应尚未得到充分探索。为此，本研究采用增强自回归分布滞后（Augmented ARDL, AARDL）方法，系统评估1990-2020年间TNI、GIN、GEU以及信息通信技术（ICT）和国内生产总值（GDP）对CO₂排放的长期影响，以填补这一研究空白，并为巴基斯坦的可持续发展路径提供科学依据。该研究发表在《Sustainable Futures》期刊上。

研究采用了多种关键方法：使用世界银行（WB）、经济合作与发展组织（OECD）和能源信息署（EI）1990-2020年的年度数据；应用AARDL模型分析长期关系并进行协整检验；采用Granger因果关系检验确定变量间的因果方向；使用完全修正普通最小二乘法（FMOLS）进行稳健性检验；所有变量取对数形式以改善线性化和归一化结果。

4.1. 描述性统计

变量描述性统计显示，LnCO₂和LnGEU的均值和中位数为负值，而LnTNI、LnGIN、LnICT和LnGDP为正值。LnGDP波动最大，LnCO₂波动最小。多重共线性检验表明变量间相关性不高，Jarque-Bera检验证实所有变量服从正态分布。

4.2. 相关性分析

相关性矩阵表明，LnCO₂与LnTNI（0.89）、LnGEU（0.76）、LnICT（0.89）和LnGDP（0.92）呈正相关，与LnGIN（-0.37）呈负相关，说明绿色创新可能有助于减排，而其他因素与排放增加相关。

4.3. 单位根分析

ADF、DF-GLS和PP单位根检验显示，除LnICT在5%水平下平稳外，其他变量均为I(1)过程，一阶差分后平稳，满足AARDL应用条件，无I(2)变量。

4.4. AARDL协整检验结果

F统计量、F统计量（独立变量）和T统计量（因变量）均显著，表明模型1-4中变量间存在协整关系，可进一步估计长期系数。

4.5. AARDL估计结果

模型1中，仅LnGDP对LnCO₂有显著正向影响（0.1814），LnTNI影响为负但不显著，反映巴基斯坦经济增长仍依赖化石燃料。模型2中，LnGIN显著负向影响LnCO₂（-0.0323），凸显绿色创新的减排作用。模型3中，LnGEU影响不显著，表明绿色能源利用单独效果有限。模型4综合所有变量，LnTNI（-0.0558）、LnGIN（-0.0511）和LnGEU（-0.1662）均显著负向影响LnCO₂，LnGDP仍正向影响（0.2034*），说明协同效应增强减排效果，模型解释力达97.57%。

4.6. Granger因果关系结果

Granger因果检验显示，LnICT、LnGDP和LnTNI对LnCO₂有单向因果关系，而LnGIN和LnGEU无显著因果关系，表明前三者更具政策调控潜力。

4.7. 稳健性检验

FMOLS结果与AARDL基本一致，确认了长期关系的稳健性，模型解释力在84.96%-93.18%之间，进一步支持结论可靠性。

研究结论表明，技术创新和绿色创新显著降低CO₂排放，绿色能源利用在协同作用下也发挥减排效果，而经济增长则加剧排放。讨论部分强调，巴基斯坦需整合技术创新、绿色创新和绿色能源政策，以实现低碳转型。例如，通过促进绿色专利申请、投资可再生能源基础设施和加强ICT在能效管理中的应用，可有效支持可持续发展目标（SDG-13）。该研究不仅为巴基斯坦提供了实证依据，也为类似新兴经济体提供了政策参考，凸显了多维度创新在应对气候变化中的关键作用。未来研究可扩展至多国面板分析，纳入更多宏观因素，以深化理解创新与环境的复杂关系。