《Sustainable Futures》：From debt to trade: How macroeconomic forces shape ecological footprint in Vietnam–Insights from wavelet-based artificial neural network
编辑推荐：
在新兴经济体生态压力日益增加的背景下，本研究考察了宏观经济状况如何与越南的生态足迹（EF）相关联。利用2000年至2024年的年度数据，研究人员采用随机森林、小波人工神经网络（ANN）回归以及小波-ANN格兰杰型可预测性分析，以捕捉EF与五个宏观经济因素（公共
在新兴经济体生态压力日益增加的背景下，本研究考察了宏观经济状况如何与越南的生态足迹（EF）相关联。利用2000年至2024年的年度数据，研究人员采用随机森林、小波人工神经网络（ANN）回归以及小波-ANN格兰杰型可预测性分析，以捕捉EF与五个宏观经济因素（公共债务（DEBT）、通货膨胀（INF）、金融发展（FD）、贸易开放度（TRA）和劳动力（LF））之间的非线性、视界依赖和方向性预测关系。研究结果表明，宏观经济变量与EF之间的相互作用是异质的，并随视界而变化。FD和LF与中期和长期视界下的较低EF相关，而TRA和DEBT则表现出混合且特定于视界的模式。INF的作用相对较弱且不稳定。小波-ANN格兰杰可预测性结果进一步表明，统计上显著的预测关系是有限的且特定于视界。具体而言，TRA和LF是EF最持久的预测因子，DEBT在中期和长期视界下变得相关，而FD在中期视界提供预测信息。总体而言，结果表明越南的生态可持续性与结构性宏观经济状况的联系比与短期波动的联系更紧密，强调需要将环境目标纳入财政管理、贸易政策、金融部门改革和劳动力市场升级。
随着新兴经济体生态压力日益加剧，环境可持续性已成为重要的政策与研究议题。生态足迹（EF）作为衡量人类活动对生物生产性土地和水资源需求的综合指标，相较于单一碳排放指标能更全面地反映环境退化程度。宏观经济条件可通过生产规模、技术进步、结构转型和制度能力等渠道影响环境质量，但理论对公共债务（DEBT）、通货膨胀（INF）、金融发展（FD）、贸易开放度（TRA）和劳动力（LF）的作用方向预测不一。越南自2000年代以来经历快速经济增长、深度全球市场融入和金融部门扩张，但伴随出口导向型工业化、能源需求上升和资源密集型增长，生态压力同步增大。然而，现有研究多依赖碳排放指标，孤立考察个别变量，且多采用线性计量模型，难以捕捉非线性、跨时域异质动态；针对越南的机器学习与时间-频率研究也较为有限。为此，研究人员利用2000—2024年越南年度数据，结合随机森林（RF）、小波人工神经网络（Wavelet-ANN）回归和Wavelet-ANN格兰杰型可预测性分析，系统考察DEBT、INF、FD、TRA、LF与EF之间的非线性和视界依赖关系。研究发现，FD和LF与中期和长期EF降低相关，TRA和DEBT呈现混合且依视界而变的模式，INF作用较弱且不稳定。该论文发表在《Sustainable Futures》，其意义在于揭示了宏观经济变量对EF的影响方向随时间和频率尺度变化，为将环境目标融入财政、贸易、金融和劳动力政策提供了实证依据。
研究人员采用的主要技术方法包括：使用极大重叠离散小波变换（MODWT）将各变量分解为短期（2—4年）、中期（4—8年）和长期（>8年）分量；采用随机森林（RF）识别非线性模式和变量重要性；针对每个小波尺度构建单隐层前馈人工神经网络（ANN）回归模型，并基于排列检验进行格兰杰型可预测性分析；还应用Zivot-Andrews和Bai-Perron结构断点检验、BDS非线性检验以及AIC比较。数据方面，EF来自全球足迹网络，DEBT和FD来自国际货币基金组织，INF来自联邦储备经济数据，TRA和LF来自世界银行，样本为2000—2024年越南年度数据。
### 4.1 影响EF的因素的非线性效应
随机森林变量重要性（%IncMSE）显示，LF是最重要的预测因子（16.66），TRA次之（15.93），INF居中，DEBT和FD重要性较低。偏依赖图表明TRA在高水平时与EF负相关，LF在较高水平下降，INF曲线平缓，FD呈微弱下降，DEBT呈微弱上升后稳定。AIC比较显示，非线性ANN模型在所有预测因子和视界下均优于线性OLS模型。
### 4.2 小波人工神经网络回归
对原始序列及各小波分量分别估计ANN回归发现：FD与EF的关系在原始层面和短期近似平坦，中期和长期呈现负向趋势；DEBT呈非线性，中期高DEBT伴随低EF，长期转为正向但置信带较宽；TRA在原始和中期水平较高时EF上升，长期曲线向下倾斜；LF在所有分解视界均与EF负相关，长期尤为明显；INF作用较弱且不稳定。模型诊断显示，分解后各视界的预测误差均低于原始序列，LF长期误差最低，TRA原始序列误差最低；扩展窗口交叉验证结果与之一致。
### 4.3 小波-ANN格兰杰可预测性结果
基于排列检验的p值热图显示，原始层面仅TRA显著预测EF；短期TRA和LF显著；中期TRA、LF、FD显著，DEBT在10%水平显著；长期TRA、LF、DEBT显著。经Benjamini-Hochberg FDR调整后，TRA在短期、中期和长期均显著，LF在中期和长期显著，FD在中期显著，DEBT在长期显著，INF在所有视界均不显著。这表明EF受结构性、视界特定的宏观经济力量驱动，而非短期通胀波动。
### 4.4 讨论
研究结果支持宏观经济变量对EF的影响是非线性且视界依赖的观点。TRA和FD的效应可通过规模—构成—技术机制解释，即初期经济活动扩张可能加剧环境压力，但长期通过结构升级和技术进步降低EF。DEBT的环境影响取决于债务融资的分配与效率，若投向绿色基础设施则有利于环境，若流向污染密集型部门则可能恶化环境。LF在中期和长期的负向效应归因于人力资本提升、劳动生产率提高和结构转型。INF对EF的影响是间接且不稳定的，主要通过消费、投资成本和宏观不确定性发挥作用。与以往研究相比，本研究通过时频分析揭示了宏观经济-环境关系并非静态，而是随视界演化。
研究结论方面，本研究利用随机森林、Wavelet-ANN回归和Wavelet-ANN格兰杰可预测技术，基于2000—2024年越南年度数据，发现DEBT、INF、FD、TRA和LF对EF的影响是非线性、异质且视界依赖的。具体而言，FD和LF与中期和长期EF降低相关，TRA和DEBT呈现混合模式，INF作用较弱。随机森林结果说明线性设定不足以刻画这些关系；Wavelet-ANN回归表明关联随短、中、长期视界变化；格兰杰可预测性结果显示，原始层面仅TRA显著，短期TRA和LF显著，中期TRA、LF、FD和DEBT显著，长期TRA、LF和DEBT显著。这意味着越南的EF不是对短期波动的简单响应，而是结构性宏观经济条件、发展战略和政策取向的累积结果。政策上，贸易政策应超越出口规模最大化，纳入环境标准与绿色供应链实践；公共债务应优先投向绿色基础设施和气候韧性项目；金融部门改革应通过绿色信贷和环境信息披露支持可持续投资；劳动力市场政策应提升人力资本和绿色技能，以配合长期结构调整。研究表明，减少EF需要将生态目标融入跨视界的宏观经济政策框架中。研究局限性包括样本仅25个年度观测值，统计功效受限；未来可采用更高频数据或面板方法进一步验证。
