国际清洁能源融资与公共政策对低碳能源转型的影响：来自埃及和巴西的的证据

《Energy Policy》：The impact of international clean energy finance and public policies on the low-carbon energy transition: Evidence from Egypt and Brazil

　　我们分析了埃及和巴西低碳能源发展的驱动因素。通过比较方法发现，清洁能源融资的效果存在异质性。我们使用了ARDL、DOLS、CCR和FMOLS估量方法来研究2000-2022年间的数据。政策效果取决于国内能源结构和财政能力。

1. 引言
如今，发展目标不仅限于经济增长或社会福利的改善；还需要扩大低碳和环保能源基础设施。这种方法与自《布伦特兰报告》以来广泛认可的可持续发展框架紧密相关，该框架通常由经济、社会和环境三个支柱定义。即使实现了经济和社会发展，忽视基于化石燃料的能源生产和高碳排放等环境因素也会危及长期的能源和环境目标。因此，各国必须实施积极促进向低碳能源转型的政策和投资。
最常用于衡量可持续性环境维度的指标之一是生态足迹。这一指标量化了一个国家的能源生产和消费过程对环境的影响，特别是显示了碳密集型能源基础设施对自然资源的负担。全球范围内，人口增长和能源需求的增加导致生态足迹超过了生物圈的再生能力，表明全球生态平衡受到破坏（全球足迹网络，2025年）。在这些能源需求高且依赖化石燃料的国家，这种影响更为明显，因为能源生产不仅产生直接的碳排放，还需要大量依赖自然资源的基础设施。因此，向低碳能源的转型对于限制碳排放和优化自然资源利用至关重要。在这个背景下，生态足迹不仅是一个衡量工具，也是一种压力来源和政策激励因素。较高的生态足迹反映了过度依赖化石燃料和碳密集型基础设施的情况，这会增加自然资源的负担并提高碳排放。因此，不断扩大的生态足迹可以产生加速向低碳能源转型的经济和政治动力。一些国家通过在清洁能源领域的投资和国际财政支持来推进能源部门的转型。在这方面，为发展中国家提供的国际清洁能源融资（IFRCE）在推动低碳能源基础设施方面发挥着关键作用。IFRCE的主要目标是支持从基于化石燃料的能源生产向低碳、环保的能源系统的转变（Jie等人，2024年）。

然而，仅仅有IFRCE的流入并不足以确保其有效性。这些资金的有效利用直接关系到技术水平、制度能力和创新。绿色创新包括可再生能源技术、能源效率、废物管理和碳捕获等方面的发展和应用，所有这些都有助于促进低碳能源转型。这些进步可以降低能源生产过程的碳强度，同时提高资源利用效率（Fang，2023年）。因此，绿色创新有望通过提升技术能力和支持清洁能源技术的采用来促进低碳能源转型。
在加速向低碳能源转型的过程中，奖励和激励机制（如可再生能源基金、绿色创新和公共支出）起着重要作用。然而，这些激励机制可能并不总是足以使向低碳能源的转型具有吸引力。由于相对较高的成本或基础设施不足，经济主体可能会对采用清洁生产技术持犹豫态度。在这种情况下，对环境损害定价并增加污染成本的手段，即惩罚机制和环境税（ET），成为重要的补充工具。实证研究表明，ET通过鼓励对低碳能源的投资来支持这一补充作用（Liu等人，2023年；Ullah等人，2024年）。尽管国际清洁能源融资、环境税和财政支持通常被认为可以促进低碳转型，但其有效性可能取决于国内结构条件而非政策工具本身。各国在可再生能源基础设施、电力系统、制度能力和政策实施方面存在显著差异，这表明相同的政策干预可能会产生不同的结果。因此，本研究提出了以下研究问题：（i）环境税、国际清洁能源融资、政府支出、绿色创新和生态足迹如何影响埃及和巴西的低碳能源发展？（ii）国际清洁能源融资和公共政策工具的有效性在多大程度上取决于两国国内能源结构和可再生能源准备程度的差异？本研究对文献做出了三项主要贡献。首先，它直接考察了IFRCE作为低碳能源决定因素的作用，而以往的研究通常更关注可再生能源融资或更广泛的可持续金融指标。其次，通过比较埃及和巴西，本研究提供了证据，说明能源结构和可再生能源准备程度的差异如何影响国际融资和公共政策工具的有效性。第三，与仅关注可再生能源的研究不同，本研究采用了包括可再生和核能在内的更广泛的低碳能源衡量标准，从而提供了对低碳能源转型的更全面评估。
为了回答这些研究问题，本研究通过分析2000-2022年间ET、国际清洁能源融资、政府支出、绿色创新和生态足迹对埃及和巴西低碳能源转型影响的作用，来探讨奖励和惩罚机制的互补作用。埃及和巴西提供了适当的比较对象，因为它们截然不同的能源结构使我们能够考察国际融资和公共政策工具的有效性是否取决于国内可再生能源的准备程度。虽然巴西自21世纪20年代以来在电力生产中使用了超过85%的可再生能源，但埃及这一比例约为10%（国际能源署，2025年）。尽管自21世纪20年代以来埃及获得的IFRCE更多，但其低碳能源转型的进展大约只达到了巴西的十分之一。图1显示了两国低碳能源消费情况。

2. 文献综述和理论背景
向低碳能源的转型，包括可再生和核能，可以受到公共政策和技术创新的共同影响。文献中广泛讨论了ET、补贴和政府支出作为能源转型的关键驱动力。根据庇古框架，将碳密集型能源生产的负面外部性内部化的税收可以鼓励对清洁能源技术的投资。同样，补贴或公共支出可以减轻财务风险并鼓励对可再生能源基础设施的投资；然而，如果资金分配不当，可能会对环境可持续性产生意想不到的负面影响。这些变量代表了可能影响低碳能源发展的不同渠道。环境税和政府支出代表国内政策工具，国际清洁能源融资代表外部金融渠道，绿色创新代表技术渠道，生态足迹代表可能促进采用更清洁能源的环境压力。这些变量共同涵盖了可能影响低碳能源发展的财政、金融、技术和环境因素。
基于庇古框架，环境税的有效性取决于企业对税收激励的反应程度。在信贷受限或化石燃料锁定严重的系统中（如埃及），企业难以采用清洁技术，使得税收在减少排放方面的效果较差，仅成为一种成本负担。相反，在多样化且更具弹性的系统中（如巴西），较少的摩擦使得庇古税收能够有效改变企业的低碳发展行为（Jahan-Dideh，2026年）。
除了公共政策工具外，绿色创新在促进低碳能源转型中也起着核心理论作用。技术创新既是对环境压力的响应，也是增加低碳采用率的驱动力，这与波特假说一致，该假说认为合理的环境法规可以刺激创新并提升竞争力（Porter和Linde，1995年）。在波特假说的基础上，明确我们分析的理论范围至关重要。波特假说通常分为两种形式。“弱”形式认为设计良好的环境法规会严格刺激环境创新。相比之下，“强”形式认为这些诱导创新的财务回报超过初始合规成本，最终提高企业的整体盈利能力和竞争力。由于我们的实证框架关注的是环境技术和绿色创新的宏观发展，而不是企业的净盈利能力，因此本研究明确测试了波特假说的弱形式。我们假设虽然严格的环境政策会触发技术响应（如弱形式所提出的），但绿色创新的规模和成功在很大程度上取决于国家结构条件和现有的技术能力（Do?an等人，2026年）。研究表明，绿色创新（涵盖可再生能源技术、能源效率措施和碳捕获与储存）可以提高能源系统效率并加速脱碳（全球适应中心，2019年；国际能源署，2020年）。此外，环境压力（通常通过生态足迹或碳强度等指标反映）通过增加碳密集型做法的经济和政治成本，创造了创新的监管和市场激励（Cheng等人，2022年；Wu等人，2022年）。在这个框架下，绿色创新不仅是技术解决方案，也是通过提高技术能力和能源系统效率来促进低碳能源采用的重要决定因素。在低碳能源转型的背景下，各国不仅依靠自身的国内政策工具，还依赖于国际融资机制。IFRCE作为为发展中国家提供的用于清洁能源项目和核能投资的国际资金，在低碳能源基础设施的发展中发挥着关键作用。虽然不是直接的公共政策工具，但IFRCE为可再生能源和核能投资提供了额外的财政支持，补充了国内政策促进低碳能源转型的努力。通过为可再生和核能项目提供资金，尤其是那些 ??成本较高的项目，它使清洁能源转型对经济主体更具吸引力，并支持低碳转型策略。事实上，《京都议定书》下制定的清洁发展机制和其他类似的国际融资机制要求发达国家为发展中国家的绿色和低碳技术投资提供资源，从而直接促进了低碳能源基础设施的建立（联合国气候变化框架公约，2008年）。
表1列出了研究公共政策（政府支出和税收）与低碳能源之间关系的部分研究。**公共政策与低碳能源**

- **作者**：Fang等人（2022年）
- **样本时间范围**：15个国家，1998-2019年
- **方法**：面板数据
- **研究结果**：环境法规（ET）对低碳能源发展有积极影响

- **作者**：Luo和Zhang（2022年）
- **样本时间范围**：中国，1990-2018年
- **方法**：数据包络分析（DEA）
- **研究结果**：环境法规对低碳能源发展有积极影响

- **作者**：Ziaei（2022年）
- **样本时间范围**：经合组织（OECD），1995-2017年
- **方法**：面板数据分析（PNARDL）
- **研究结果**：政府支出对低碳能源发展有负面影响

- **作者**：Shahbaz等人（2022年）
- **样本时间范围**：中国，1971-2018年
- **方法**：ARDL
- **研究结果**：研发支出可以减少能源消耗

- **作者**：Samour等人（2022年）
- **样本时间范围**：阿联酋（UAE），1988-2018年
- **方法**：ARDL
- **研究结果**：税收可以促进低碳能源发展

- **作者**：Li和Ullah（2022年）
- **样本时间范围**：亚洲经济体，1990-2019年
- **方法**：ARDL
- **研究结果**：研发支出可以促进低碳能源发展

- **作者**：Bashir等人（2022年）
- **样本时间范围**：经合组织（OECD），1996-2018年
- **方法**：面板数据分析（FMOLS）
- **研究结果**：环境法规对低碳能源发展有负面影响

- **作者**：Dogan等人（2023年）
- **样本时间范围**：欧盟（EU），1995-2019年
- **方法**：面板数据分析（FMOLS, DOLS）
- **研究结果**：税收对低碳能源发展有负面影响

- **作者**：Xiong和Luo（2023年）
- **样本时间范围**：经合组织（OECD），1990-2019年
- **方法**：面板数据
- **研究结果**：可再生能源转型可以促进绿色增长

- **作者**：Nchofoung等人（2023年）
- **样本时间范围**：49个国家，1996-2017年
- **方法**： generalized moments methodology（GMM）
- **研究结果**：环境法规在发达国家具有积极影响，但在发展中国家则具有负面影响

- **作者**：Degirmenci和Yavuz（2024年）
- **样本时间范围**：欧盟（EU），1995-2019年
- **方法**：双重差分消费方程（DCCE）、广义矩方法（AMG）和研发支出
- **研究结果**：研发支出的效果因国家而异

- **作者**：Jiang等人（2024年）
- **样本时间范围**：中国30个省份，2005-2020年
- **方法**：面板数据
- **研究结果**：可再生能源可以促进绿色生产力

- **作者**：Ebaidalla（2024年）
- **样本时间范围**：37个国家，1996-2021年
- **方法**：ARDL
- **研究结果**：税收对低碳能源发展有负面影响

- **作者**：Kilinc-Ata和Proskuryakova（2024年）
- **样本时间范围**：16个亚太经济体，2000-2021年
- **方法**：面板FEC
- **研究结果**：税收激励对低碳能源转型没有影响

- **作者**：Kilinc-Ata等人（2024年）
- **样本时间范围**：27个经合组织（OECD）国家，1990-2021年
- **方法**：矩估计（MMQR）、面板数据分析（FMOLS）、双重差分OLS（DOLS）、差分回归随机场/随机游走（DRISC/KRAAY）
- **研究结果**：绿色创新对可再生能源供应有积极影响

如表1所示，这些研究从不同角度探讨了公共政策对低碳能源转型的影响。例如，Fang等人（2022年）、Luo和Zhang（2022年）以及Samour等人（2022年）的研究表明，环境法规等政策工具能够促进可再生能源的使用。同样，Li和Ullah（2022年）的研究指出，研发支出有助于能源转型。另一方面，Ziaei（2022年）、Bashir等人（2022年）以及Dogan等人（2023年）的研究指出，某些公共支出和法规可能对低碳能源发展产生有限或负面影响。这些发现表明，公共政策的有效性可能取决于实施方法、国家条件和能源基础设施。总体而言，环境法规和政策工具在支持能源转型方面发挥着关键作用；然而，并非所有政策工具在任何情况下都有效。

表2呈现了绿色创新、环境质量与低碳能源之间的关系。

| 作者 | 样本时间范围 | 方法 | 研究结果 |
|------------|---------------|--------------------|----------------------------------|
| Geng和Ji | 6个国家，1980-2010年 | 因果关系 | 技术创新与可再生能源之间存在双向因果关系 |
| Zheng等人 | 中国，2005-2017年 | 非空间和空间计量经济模型 | 技术创新促进可再生能源发展 |
| Solarin等人 | BRICS国家，1993-2018年 | 近似最大量矩估计（MQR） | 可再生能源创新对低碳能源有积极影响 |
| Zhang等人 | 33个国家，1990-2015年 | 面板数据 | 环境政策鼓励可再生能源的绿色创新 |
| Khan等人 | 德国，2000-2021年 | 因果关系，VAR | 创新对可再生能源发展效果不一 |
| Albaker等人 | MENA国家，1990-2021年 | 矩估计（MMQR） | 可再生能源改善环境质量，而绿色创新可能降低环境质量 |
| Kilinc-Ata和Dolmatov | 34个经合组织和5个BRICS国家，2000-2020年 | FE、RE、GMM | 研发支出对可再生能源产能有积极影响 |
| Esmaeilpour Moghadam和Karami | MENA国家，1985-2019年 | AMG | 绿色创新促进可再生能源发展 |
| Akhtaruzzaman等人 | 50个国家，2000-2020年 | 分位数回归（DID） | 创新促进可再生能源发展 |
| Kilinc-Ata和Rahman | 马来西亚，2000-2021年 | 自适回归分布模型（BARDL） | 化石燃料对可再生能源产生负面影响，二氧化碳排放与可再生能源产能正相关 |

表2中的研究表明，技术创新在促进可再生能源发展方面发挥着重要作用。然而，其他研究则指出，绿色创新的效果可能因国家而异，有时会改善环境质量，有时则会产生有限或负面影响。此外，环境和政策创新对低碳能源转型的作用也得到了证实。

**2.1 评估**
现有关于低碳能源转型的文献存在一些重要空白和局限性。首先，尽管国际金融机制在清洁能源领域的关注度不断提高，但专门探讨国际金融合作（IFRCE）对低碳能源采纳影响的实证研究仍较为稀缺。尽管IFRCE在政策报告和国际协议中被广泛认为是可再生能源和核能项目的重要推动因素，但缺乏直接的实证研究是一个重要的研究空白。其次，尽管多项研究探讨了环境法规、政府支出和其他政策工具对可再生能源部署的影响，但其结果并不统一。一些研究显示积极影响（Fang等人，2022年；Luo和Zhang，2022年；Samour等人，2022年），而另一些研究则发现负面影响或效果因情境而异（Ziaei，2022年；Dogan等人，2023年；Ebaidalla，2024年）。这表明，尽管理论上政策工具可以推动低碳能源的采纳，但其实际效果仍不确定，并可能因国家和制度环境的不同而有所差异。此外，现有研究主要集中在可再生能源对环境指标的影响上，往往将环境质量视为因变量而非解释变量。相比之下，本研究采用了更为全面的视角，将生态足迹作为可能推动低碳能源采纳的独立因素。通过综合考察低碳能源，本研究填补了这一空白，为理解影响清洁能源转型的因素提供了更全面的见解。

基于理论文献和现有研究，环境税收、国际金融支持、政府支出和绿色创新通常被认为能促进低碳能源的发展，而生态足迹可能对低碳能源发展产生抑制作用。然而，这些政策工具的有效性取决于各国能源结构、制度能力和可再生能源的准备程度，因此这些关系的强度和方向可能在不同国家之间有所不同。因此，实证分析旨在验证这些预期关系在埃及和巴西是否成立。

**3. 数据、模型和方法**
本研究考察了2000-2022年间国际金融支持、环境税收、政府支出、绿色创新和生态足迹对巴西和埃及低碳能源消费的影响。研究时间的选择主要基于国际金融数据的可用性。尽管这一数据可持续到2023年，但由于其他变量在2023年的数据缺失，2000-2022年成为最合适的分析时期。所有变量的详细定义和数据来源见表3。

在研究中，低碳能源消费（LCE）作为因变量，国际金融支持（IFRCE）、绿色创新（GI）、环境税收（ET）、政府支出（GE）和生态足迹（EF）作为自变量。变量的选择基于相关文献中的实证研究结果。为确保透明度和可重复性，对这些变量的构建进行了详细说明。LCE和ET等以绝对值或货币价值表示的变量被转换为自然对数，以减少数据偏度、稳定方差并使估计系数具有弹性。相反，GI和GE等已表示为比率或百分比的变量保持原形式，以保留其比例意义。此外，为严格控制巴西和埃及之间的人口差异，IFRCE和EF均以人均为基础进行了标准化。原始数据来自世界银行的世界发展指标和经合组织的环境统计数据库等特定子数据库。研究中使用的模型如方程（1）所示。

**实证方法**包括三个阶段：首先进行单位根分析，采用传统的ADF测试和考虑结构突变的测试；其次采用ARDL（自回归分布滞后）方法估计短期和长期系数；最后通过一系列诊断测试验证模型的稳健性。ARDL方法的优点在于它不要求所有变量具有相同的整合阶数，并且即使存在内生性也能提供有效的长期估计和t统计量。

**图2. 实证方法的阶段**
ARDL协整测试用于检测变量之间的长期关系。其优势在于能够在单一框架内模拟短期和长期动态，从而比传统方法提供更全面和可靠的结果。在确定协整性时，将计算出的F统计量与临界值的上限进行比较；如果F统计量超过该阈值，则拒绝原假设，表明变量之间存在长期关系。在评估变量的平稳性后，选择了ARDL方法来估计短期和长期系数。通过隔离每个变量的单独效应，FMOLS为分析增加了一层鲁棒性，并有助于确保即使在变量之间存在潜在的相互依赖性时，估计结果仍然有效和可靠（Hardi等人，2024年）。为了解决内生性、自相关和小样本偏差问题，DOLS方法结合了解释变量的水平值以及一阶差分的领先和滞后值。通过聚合这些领先和滞后值，构建了一个抵抗序列相关的误差协方差矩阵。此外，由于DOLS估计量的标准差遵循正态渐近分布，该方法为测试变量的统计显著性提供了高度可靠的结果。这种方法的主要优势在于它能够在协整框架内分析单个变量，即使序列中存在混合积分顺序（Raihan和Tuspekova，2022年）。CCR是一种广泛用于研究一组集成变量之间协整存在性和性质的方法。该方法通过估计典型协整向量来运作，这些向量表明变量在长期内的移动方式。在此过程中，仅使用模型的平稳成分对数据进行转换，并根据识别的向量构建代表长期关系的回归模型。这种数据转换保留了基本的协整关系，同时使误差项与解释变量不相关。通过消除自相关的影响，CCR方法产生了渐近有效的估计量和无干扰参数的可靠测试结果，从而能够进行一致的长期关系分析（Raihan和Tuspekova，2022年；Hardi等人，2024年）。

在呈现实证结果之前，首先检查了巴西和埃及的描述性统计信息，发现分别记录在表4和表5中。

**表4. 巴西的描述性统计**
| 变量 | 均值 | 中位数 | 最大值 | 最小值 | 标准差 |
|-----------------|-----------|---------|--------|---------|--------|
| LCE | 8.79 | 8.83 | 9.039 | 8.513 | 0.141 |
| FRCE | 15.32 | 16.20 | 19.23 | 18.40 | 0.169 |
| GIE | 1.38 | 1.465 | 2.79 | 1.265 | 0.320 |
| EEF | 23.71 | 27.19 | 29.85 | 22.67 | 0.233 |
| TGEEF | 9.93 | 19.639 | 30.23 | 12.07 | 0.643 |
| GE | 10.90 | 19.52 | 19.038 | 9.857 | 0.609 |

**表5. 埃及的描述性统计**
| 变量 | 均值 | 中位数 | 最大值 | 最小值 | 标准差 |
|-----------------|-----------|---------|--------|---------|--------|
| LCE | 6.11 | 6.096 | 6.333 | 5.923 | 0.130 |
| FRCE | 2.924 | 2.848 | 2.798 | 1.885 | 0.130 |
| GIE | 6.294 | 8.448 | 1.430 | 1.255 | 0.146 |
| EEF | 4.629 | 5.981 | 1.958 | 1.268 | 0.245 |
| TGEEF | 7.267 | 1.430 | 8.449 | 1.263 | 0.220 |
| GE | 10.716 | 18.597 | 19.038 | 7.268 | 0.169 |

如表4所示，巴西的描述性统计数据显示变量的分布和变异性存在显著差异。LCE变量的标准差相对较低，表明其值紧密聚集在均值附近，表明样本期间的分布相对稳定。同样，GE和EF变量的标准差也较低，分别为0.61和0.17，表明它们围绕均值的离散度有限。相比之下，IFRCE变量显示出相当大的变异性，其标准差较高。其最小值和最大值之间的巨大差距进一步表明在研究期间清洁能源国际资金接收量有显著波动。GI变量也表现出中等程度的变异性，标准差为3.32，最小值和最大值之间的范围较广，反映了绿色创新活动的波动。ET变量的标准差为0.64，表明其值围绕均值有中等程度的变化。

如表5所示，埃及的描述性统计数据显示变量之间存在显著差异。LCE变量的标准差相对较低，数值范围在5.92到6.33之间，表明低碳能源消费集中在其均值附近。相比之下，IFRCE显示出较大的离散度，标准差较高，最小值和最大值之间的范围较广，表明在样本期间清洁能源国际资金的接收量有显著波动。GI变量也表现出较高的变异性，标准差为4.23，最小值和最大值之间的范围较广。ET变量的标准差为2.22，数值范围在1.26到8.14之间，表明年度间的税收金额存在较大差异。ET对数形式的最小值为零，因为该变量的原始数据在2000年和2001年记录的值为零。GE表现出中等程度的变异性，均值为10.72，标准差为1.86；最小值和最大值表明公共支出的波动。EF变量的标准差相对较低，表明其值紧密聚集在均值附近。

在检查了描述性统计信息之后，进一步研究了变量之间的多重共线性和相关结构。这些分析的结果分别记录在表6和表7中。

**表6. 巴西的相关性和VIF值**
| 变量 | 相关系数 | VIF值 |
|------------|---------|---------|
| IFRCE | 1.000 | 1.23 |
| GI | 0.208 | 1.000 |
| ET | 0.240 | 0.704 |
| GE | 0.1256 | 0.313 |
| EF | ?0.3378 | ?0.3346 |
| | ?0.0097 | ?0.250 |
| | 1.000 | 1.47 |

**表7. 埃及的相关性和VIF值**
| 变量 | 相关系数 | VIF值 |
|------------|---------|---------|
| IFRCE | 1.000 | 1.17 |
| GI | 0.078 | 1.000 |
| ET | 0.3088 | 0.449 |
| GE | ?0.2450 | 0.1348 |
| | 1.000 | 1.43 |
| EF | 0.2823 | 0.6393 |
| | 0.5990 | ?0.1404 |

表6报告了巴西解释变量之间的相关系数及相应的方差膨胀因子（VIF）值。相关矩阵显示ET和GI之间的相关性最高。其他相关性相对较低；例如，IFRCE与GI、ET和GE的相关性较弱。EF与大多数变量显示出负相关性，尽管这些值的幅度适中。VIF结果表明所有变量的VIF值均远低于通常接受的10的临界阈值。具体来说，VIF值范围在1.19到2.84之间，表明数据集中不存在多重共线性问题。即使是最高的VIF值也远低于问题水平，确认了解释变量之间没有有害的线性依赖。总体而言，相关结构和VIF统计结果表明用于巴西的独立变量没有严重的多重共线性问题。

表7展示了埃及的相关系数和VIF值。相关矩阵表明EF和GI之间以及EF和ET之间的关联最强。ET和GI之间的相关性也适中。其他相关性相对较弱，如IFRCE与GI和IFRCE与GE之间的相关性。关于多重共线性诊断，VIF值范围在1.17到2.22之间。由于表7中的所有VIF值均远低于这一阈值，结果确认埃及的解释变量之间不存在多重共线性问题。即使最高的VIF值也远未达到引起计量经济学问题的水平。

如表8所示，ADF测试结果显示巴西的所有变量在一阶差分时在5%的显著性水平下是平稳的。此外，根据断点ADF测试，IFRCE和ET变量在水平上在5%的显著性水平下是平稳的，而LCE、GI、GE和EF变量在一阶差分时在5%的显著性水平下是平稳的。

**表9. 巴西的单位根测试**
变量 | ADF测试结果 | 断点ADF测试结果 |
|-----------------|--------------|-------------------|
| LCE | ?2.303 | ?5.091 |
| IFRCE | 0.874 | ?9.261 |
| GI | ?1.999 | ?4.582 |
| ET | ?1.354 | ?3.892 |
| GE | ?1.861 | ?4.194 |
| EF | ?1.953 | ?4.315 |

**表10. 巴西的协整结果（ARDL）**
变量 | F统计量 | 5%临界值 | 1%临界值 |
|-----------------|------------|---------------------|-------------------|
| LCE | 10.54 | 3.35 | 3.79 |
| FRCE | | 3.79 | 4.68 |
| GI | | 3.35 | 4.68 |

如表10所示，巴西的F统计量超过了5%的临界值，确认了变量之间存在协整关系。同样，埃及的F统计量也高于5%的显著性阈值，表明埃及的变量也存在协整关系。基于这些发现，对巴西和埃及进行了ARDL长期系数估计。表11展示了巴西和埃及的ARDL长期系数。

**表11. 巴西和埃及的ARDL长期系数**
| 变量 | 巴西 | 埃及 |
|-----------------|--------------|---------------------|
| IFRCE | 0.051 | 0.051 |
| GE | 0.000 | 0.005 |
| EF | 0.016 | 0.011 |
| ET | 0.198 | 0.000 |

表11显示，巴西的ARDL长期结果表明IFRCE在5%的水平上具有统计显著性，并且系数为正，表明IFRCE与因变量LCE之间存在正相关关系。同样，ET和GE在5%的水平上也具有统计显著性，系数为正，表明ET和GE对LCE有正面影响。相比之下，EF在5%的水平上具有统计显著性，但系数为负，表明EF对LCE有负面影响。然而，GI在5%的水平上不具有统计显著性。对于埃及，表11显示IFRCE在5%的水平上具有统计显著性，并且系数为负，表明IFRCE在长期内与LCE呈负相关。GE在5%的水平上也具有统计显著性，但系数为负，表明GE在埃及情况下会减少LCE。对于ARDL分析，需要进行 several diagnostic checks。这些诊断测试的结果记录在表12中。

**表12. 巴西和埃及的诊断测试**
| 测试 | | |
|-----------------|-----------------|
| BG LM测试 | 0.046 | 0.836 |
| Breusch–Pagan/Cook–Weisberg测试 | 0.070 | 0.793 |
| Ramsey RESET测试 | 0.290 | 0.833 |
| Skewness and Kurtosis测试 | 0.420 | 0.812 |
| Recursive Cusum测试 | 0.430 | 0.85 (10%) |
| OLS Cusum测试 | 0.391 | 1.224 (10%) |
| OLS Cusum测试 | 0.547 | 1.224 (10%) |

根据表12，Breusch-Godfrey LM测试表明两个国家的残差中没有自相关性。同样，Breusch–Pagan/Cook-Weisberg测试没有发现异方差性。Ramsey RESET测试结果表明函数形式指定正确，且没有模型错误设定。Skewness-Kurtosis正态性测试的p值也不显著，表明残差没有显著偏离正态性。此外，Recursive Cusum和基于OLS的Cusum系数稳定性测试表明两个国家的系数都在10%的临界范围内，确认估计模型中没有结构破坏，参数在样本期间保持稳定。在这些诊断测试之后，使用FMOLS方法来评估ARDL长期系数的鲁棒性。表13展示了这一分析的结果。

**表13. FMOLS结果**
| 变量 | 巴西 | 埃及 |
|-----------------|------------|-------------------|
| IFRCE | 0.013 | 0.000 |
| GI | ?0.001 | 0.003 |
| ET | 0.088 | 0.000 |
| GE | ?0.012 | 0.000 |
| EF | ?0.031 | 0.008 |

表13显示，IFRCE在巴西在5%的水平上具有统计显著性，并且系数为正，表明IFRCE在长期内对LCE有正面影响。同样，ET和GE在5%的水平上也具有统计显著性，系数为正，表明ET和GE对LCE有正面影响。相比之下，GE在5%的水平上具有统计显著性，但系数为负，表明GE对LCE有负面影响。GI在5%的水平上不具有统计显著性。表13还报告了埃及的长期系数。结果显示IFRCE、GE和EF在5%的水平上对LCE具有统计显著的负面长期影响。同时，ET和GI在两种估计方法中均没有统计显著的效应。

**表14. CCR和DOLS估计结果**
| 变量 | 巴西 | 埃及 |
|-----------------|------------|-------------------|
| IFRCE | 0.009 | 0.024 |
| GI | 0.000 | 0.004 |
| ET | 0.089 | 0.000 |
| GE | ?0.019 | 0.005 |
| EF | ?0.031 | 0.000 |

表14显示，IFRCE和ET在两种估计方法中在5%的水平上具有统计显著性，并且符号为正，表明它们在长期内对LCE有正面影响。相比之下，GE在两种模型中均具有统计显著性，但系数为负，表明GE对LCE有负面影响。GI在两种估计方法中均没有长期效应。

**表15. 长期ARDL结果**
| 变量 | 巴西 | 埃及 |
|-----------------|------------|-------------------|
| IFRCE | 0.009 | 0.024 |
| GI | 0.000 | 0.004 |
| ET | 0.089 | 0.000 |
| GE | ?0.019 | 0.001 |
| EF | 0.000 | 0.022 |ARDL短期系数

变量 巴西 埃及
coef.Prob coef.Prob.IFRCE -0.032 0.001 0.0042
coef.Prob.IFRCE (LD) -0.0205 0.002 -
GI 0.0040 0.068 -
ET -0.0411 0.159 -
GE -0.0344 0.007 -
GE (LD) -0.0262 0.034 -
ECT -0.8067 0.001 -0.3539

如表15所示，短期ARDL估计结果表明，对于巴西而言，IFRCE在5%的水平上具有统计显著性，且其滞后一阶差分（IFRCE (LD) 也呈负值且显著，表明其与LCE的变化存在短期负面影响。GI在10%的水平上呈弱显著性且为正数，而ET在短期内不具有统计显著性。GE在5%的水平上呈负值且显著，其滞后一阶差分（GE (LD) 仍然呈负值且显著。重要的是，误差修正项（ECT）在两国中均为负值且高度显著，这证实了在短期冲击后向长期均衡的调整过程，其中巴西的调整速度更快。对于埃及，IFRCE在10%的水平上呈正数且边缘显著。

5. 讨论
本研究使用ARDL、FMOLS、CCR和DOLS估计方法，分析了2000年至2022年间ET（环境税）、用于清洁能源的国际融资（IFRCE）、政府支出和生态足迹对埃及和巴西这两个新兴经济体低碳能源的长期影响。比较ARDL、FMOLS、CCR和DOLS的估计结果，一致性的发现包括：(i) ET对巴西的低碳能源有积极影响；(ii) IFRCE对巴西有益，但对埃及有害；(iii) 埃及的政府支出不利于低碳能源发展；(iv) 巴西的生态足迹对低碳能源有负面影响。这些差异可能与两国不同的制度、能源市场和政策条件有关。巴西的能源结构较为多样化，水电、生物燃料、风能和太阳能发挥了重要作用，而埃及历史上更依赖化石燃料。巴西还制定了更广泛的可再生能源投资和部署框架，而埃及则在能源领域面临更大的依赖传统能源的约束和制度限制。这些差异可能会影响环境税、国际融资和政府支出对低碳能源发展的影响。因此，应结合埃及和巴西不同的能源结构、制度条件和政策环境来解读这些对比结果。

ARDL、FMOLS、CCR和DOLS估计结果一致性的发现总结在图3中。

图3. ARDL和FMOLS估计结果一致性的发现。

并非所有系数在两种估计方法中都完全一致。然而，讨论重点是在ARDL、FMOLS、CCR和DOLS估计方法下均保持统计显著性并保持相同方向的发现。ET对巴西低碳能源的积极且显著的影响符合理论预期，即适当的ET设计能够内化污染的外部成本，从而促进低碳技术和能源的投资，推动低碳能源的部署和扩展。实证研究表明，环境税与生态足迹和排放量的减少有关（Khan等人，2025年）。从这个意义上说，我们的巴西研究结果与这些发现相符：ET似乎刺激了低碳能源的相对盈利能力和采用。

在巴西和埃及，IFRCE的影响似乎相反。在巴西，这些资金流入与成熟的可再生能源结构相吻合，包括水力、生物燃料、风能和太阳能资源。该国的能源系统已经包含了相当比例的可再生能源，使得外部融资能够支持持续的低碳能源投资，加强电网整合，并扩大低碳产能。然而，在埃及，IFRCE的系数为负值。要理解这种差异，必须仔细研究每个国家资金流入的具体类型、分配方式和条件。在巴西，清洁能源资金主要以灵活的、面向私营部门的投资形式出现，并迅速投入到风电或太阳能电站。而在埃及，资金流入通常与具有严格国际条件的主权贷款相关联。更重要的是，在考察这些资金的分配时，很大一部分被用于大规模的政府主导的基础设施项目，例如El Dabaa核电站。这种资本密集型项目的开发周期通常超过十年。因此，虽然资金进入了系统，但实际的低碳能源产出却远远落后。此外，部分资金可能被用于过渡性需求，如天然气电网现代化，而不是纯粹的可再生能源建设。最终，埃及的负系数并不意味着融资失败，而是反映了其特定的资金分配选择中的刚性条件和漫长的等待时间。

类似的情况也解释了政府支出与埃及低碳能源之间的负相关关系。这种反直觉的现象主要归因于公共预算的构成和效率。历史上，埃及将大量政府支出用于化石燃料补贴和传统能源基础设施。例如，2013年，仅化石燃料补贴就消耗了约7%的GDP，超过了卫生和教育支出的总和（ESMAP，2017年）。当总体政府支出增加时，会强化现有的化石燃料依赖，实际上挤出了绿色投资。除了资金分配之外，公共支出效率也是另一个主要瓶颈。官僚障碍和制度刚性使得难以有效地将公共资源导向现代可再生能源项目。虽然我们使用的变量涵盖了政府最终消费，但化石燃料支持在埃及财政历史中的主导地位意味着支出的增加不成比例地有利于碳密集型行业，从而延缓了低碳转型。

生态足迹对巴西低碳能源的负面影响与预期一致。即使在能源结构相对清洁的国家，高生态足迹（由土地利用、消费模式和森林砍伐等因素驱动）也会抵消低碳能源采用的好处。这表明，能源转型本身是必要的，但不足以单独扩大低碳能源产能。另一个值得注意的发现是，两国之间的绿色创新效应均无统计学显著性。尽管先前的研究通常报告绿色创新与能源转型之间存在正相关关系，但这一结果可能反映了基于专利的指标无法准确反映低碳技术的实际应用。特别是在我们的研究中，绿色创新是通过专利活动来衡量的，而不是通过低碳技术的扩散或商业应用。专利活动不一定转化为商业实施或可再生能源技术的广泛采用，尤其是在发展中国家，技术扩散取决于投资、制度能力和支持性基础设施。因此，绿色创新本身可能不足以加速低碳能源转型。

6. 结论与政策建议
环境政策工具在实现低碳能源方面发挥着重要作用。环境税可以通过内化污染成本来鼓励清洁能源的使用，并加速低碳技术的实施。IFRCE是指为发展中国家提供的用于清洁能源研究、可再生能源生产和混合系统的国际融资。这些资金可以用于资助可再生能源项目并扩大低碳能源产能。然而，根据当前的能源需求和本地能力，其影响可能是有限的，甚至是负面的（Ahuja和Kumar，2025年）。在这种情况下，受援国实施资源高效的环境政策可以确保资金的有效性。政府支出可以通过支持可持续能源项目、环境基础设施和清洁能源投资来促进经济和环境发展。但如果支出用于化石燃料补贴、传统基础设施或短期经济计划，可能会无意中限制低碳能源的发展（Guerrero和Casta?eda，2022年）。绿色创新代表了可再生能源、能源效率和低碳技术的技术进步。得到适当支持，它可以提高IFRCE的效果，并促进低碳能源系统的更广泛采用。

本研究使用ARDL、FMOLS、CCR和DOLS方法分析了2000年至2022年间ET、IFRCE、政府支出、绿色创新和生态足迹对埃及和巴西低碳能源的影响。所有估计方法一致性的发现表明，ET对巴西的低碳能源有积极影响，而IFRCE对巴西有益但对埃及有害。政府支出对埃及的低碳能源有负面影响，而生态足迹对巴西的低碳能源也有负面影响。这些发现表明，这些工具的有效性与一个国家的能源结构、制度能力和资金分配密切相关。

基于实证发现，两国的政策含义有所不同。在巴西，ET对低碳能源的积极影响表明可以利用环境税来支持低碳能源的扩展。因此，加强现有的环境税机制并将相关收入导向低碳能源基础设施可以增强这一效果。IFRCE的积极效果还表明，巴西可以从获取国际清洁能源资金中受益，并将这些资源用于与其现有可再生能源能力相匹配的项目。在埃及，IFRCE和政府支出的负面影响表明，仅增加资金可能不足以支持低碳能源的发展。因此，应更加关注外部融资和公共支出的分配和实施，特别是改善资金分配向低碳能源基础设施的流向。由于在两国中绿色创新均无统计学显著性，这些发现并不提供直接证据表明将创新政策作为短期工具来增加低碳能源。总体而言，政策含义与特定国家的实证结果密切相关，而不是普遍的可再生能源扩展建议。

研究的局限性表明，在解释结果时应考虑一些关键问题。首先，2000年至2022年的分析期间可能无法准确反映当前能源政策变化、经济状况和国际资金流动对结果的影响。此外，分析仅基于每个国家的23个年度观测数据，这可能限制了估计的统计能力和结果的普遍性。尽管ARDL、FMOLS、CCR和DOLS方法提供了互补的证据，但某些系数在估计方法之间存在差异。因此，应对发现保持适当的谨慎态度，特别是对于在两种估计方法中不一致的变量。此外，各国之间的能源基础设施、制度能力和政策实施的差异可能会影响IFRCE的效果。因此，应在每个国家的具体背景下解释这些发现。此外，尽管使用了替代估计方法进行了稳健性检验，但仍不能完全排除国际融资与低碳能源之间的内生性。未来的研究可以使用更广泛的数据集、更详细的预算类别和不同的计量经济学方法来探讨国际融资和环境政策工具对低碳能源采用的影响。最后，由于当前数据限制，本研究采用了总体政府支出；然而，未来的研究可以利用具体的预算类别（如环境保护支出），从而更准确地反映环境政策对低碳能源的影响。据此，估计的政府支出系数应被视为一个广泛的宏观财政指标，而不是环境支出或化石燃料补贴政策的直接衡量。

作者贡献声明
Tunahan Degirmenci：撰写——审阅和编辑、原始草稿撰写、验证、监督、调查、数据管理、概念化。
Yusuf ünsal：撰写——审阅和编辑、原始草稿撰写、可视化、方法论、调查、正式分析、数据管理、概念化。

披露声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

资金
无资金支持

作者：Tunahan Degirmenci | Yusuf ünsal