Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Efectos de la inversión extranjera directa y el desarrollo ﬁnanciero

en las emisiones de CO2 a nivel global y por grupos de países

Eﬀects of foreign direct investment and ﬁnancial development on CO2 emissions

at the global level and by country grouping

Jessica Armijos1| Elizabeth Lozano1

1Carrera de Economía, Universidad Nacional de

Loja, Loja, Ecuador

Correspondencia

Jessica Armijos, Carrera de Economía, Universidad

Nacional de Loja, Loja, Ecuador

Email: jessica.armijos@unl.edu.ec

Agradecimientos

Club de Investigación de Economía (CIE)

Fecha de recepción

Enero 2021

Fecha de aceptación

Junio 2021

Dirección

Bloque 100. Ciudad Universitaria Guillermo

Falconí. Código Postal: 110150, Loja, Ecuador

RESUMEN

Este artículo tiene como objetivo veriﬁcar los efectos de la inversión extranjera directa y

el desarrollo ﬁnanciero en las emisiones de dióxido de carbono a nivel mundial mediante

técnicas de cointegración. Usamos datos del World Development Indicators (2017), en el

periodo 1970-2016. Usando pruebas de cointegración de Pedroni (1999) y Westerlund

(2007) encontramos la existencia de equilibrio a corto y largo plazo entre las tres variables

a nivel mundial y por grupos de países. La fuerza del vector de cointegración es promedio

en el total de los grupos de ingresos de los países. Las pruebas de Dumitrescu y Hurlin

(2012) muestran que existen relaciones causales unidireccionales en los países de altos

ingresos, países de ingresos medios altos y países de ingresos bajos entre las emisiones

de gases contaminantes per cápita y la inversión extranjera directa. La aplicación de po-

lítica derivada de la investigación se basa en que los países con mayores ingresos deben

contribuir signiﬁcativamente a la reducción de las emisiones de dióxido de carbono con un

aumento en las inversiones extranjeras directas y el desarrollo ﬁnanciero.

Palabras clave: Emisiones; Inversión; Panel de datos; Cointegración; Causalidad.

Códigos JEL: Q32. Q43.

ABSTRACT

This paper aims to verify the eﬀects of foreign direct investment and ﬁnancial development

on global carbon dioxide emissions using cointegration techniques. We use data from the

World Development Indicators (2017), over the period 1970-2016. Using cointegration

tests from Pedroni (1999) and Westerlund (2007) we ﬁnd the existence of short- and long-

run equilibrium between the three variables at the global level and by country groups.

The strength of the cointegrating vector is average across total country income groups.

Evidence from Dumitrescu and Hurlin (2012) shows that there are unidirectional causal

relationships in high-income countries, upper middle-income countries, and low-income

countries between per capita pollution gas emissions and foreign direct investment. The

policy application derived from the research is that higher income countries should contri-

bute signiﬁcantly to the reduction of carbon dioxide emissions with an increase in foreign

direct investment and ﬁnancial development.

Keywords: Emissions; Investment; Panel data; Cointegration; Causality.

JEL codes: Q32. Q43.

Armijos J. & Lozano E.

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

1|INTRODUCCIÓN

Los efectos no deseados del cambio climático mundial se han

convertido en un objetivo internacional ocasionados primordial-

mente por las emisiones de dióxido de carbono. Las emisiones se

emanen de las empresas industriales, las cuales deben aprovechar

la gran energía solar y eólica; también pueden reducir los altos subsi-

dios del esquema de electricidad residencial; e invertir agresivamen-

te en investigación sobre energía para desarrollar conocimientos es-

pecializados para lograr la eﬁciencia en la generación de electricidad

(Salahuddin, Alam, Ozturk y Sohag; 2018). Las emisiones de carbón

se han expandido tanto a nivel local, nacional e internacional, entre

los agravantes principales están los efectos de la actividad, la estruc-

tura y la mezcla de combustible para generar electricidad, los cuales

contribuyeron a aumentar las emisiones de CO2 en 71,1; 11,8 y 1,7

millones de toneladas, respectivamente de 1965 a 2003; mientras

que la intensidad de energía y la mezcla de combustible de uso ﬁnal

los mitigaron en 32,2 y 5,9 millones de toneladas de CO2 respecti-

vamente (González y Martínez; 2012).

Según estudios recientes las emisiones de CO2 procedentes

del carbón crecieron más rápidamente en los países en desarrollo,

en 3,76 Gt en el período 1995-2009. Por el contrario, las emisiones

de CO2 del uso de gas natural crecieron más rápidamente en los

países desarrollados, en 470 Mt en el período 1995-2009. Otras

descomposiciones muestran que, a pesar de las mejoras en la eﬁ-

ciencia energética, las mejoras en las infraestructuras y los cambios

en los requisitos de electricidad en los países en desarrollo han dado

lugar a importantes emisiones de CO2. Por el contrario, el consumo

por parte del público y los servicios sociales, así como los productos

químicos son la fuerza dominante que impulsa el crecimiento de las

emisiones de CO2 del gas en los países desarrollados (Jiang y Guan;

2016). La concentración atmosférica de CO2 principal gas de efec-

to invernadero de larga duración alcanzó 403,3 partes por millón

(ppm), por encima de los 400 registrados en 2015. Según la OMM,

actualmente la concentración de CO2 en la atmósfera representa el

145 % de los niveles preindustriales (OMM, 2016).

Existen múltiples evidencias que relacionan las variables emi-

siones de CO2, inversión extranjera directa y desarrollo ﬁnanciero

entre sí. Primeramente, se parte con la evidencia teórica utilizada la

cual se formuló en base al artículo expuesto por Salahuddin, Alam,

Ozturk y Sohag (2018) donde se realiza una comparación de los

efectos de PIB per cápita, inversión, desarrollo ﬁnanciero, consumo

de energía sobre las emisiones de CO2. Se especiﬁcó las variables

y formulamos una nueva ecuación como los efectos de la inversión

y el desarrollo ﬁnanciero sobre las emisiones de CO2. Por otro lado,

existen autores que determinan que la Inversión Extranjera Direc-

ta (IED) es una variable que es de vital importancia al momento de

corroborar su impacto en el crecimiento económico, siguiendo esta

línea se encuentra el trabajo de Agurto, Castro, y Cartuche (2018).

Además, de autores como: Jumbo, y López (2018); y López, y Ro-

cano (2018) consideran que la IED interactúa en los niveles de des-

empleo. En este sentido, existen muchas relaciones entre las varia-

bles consideradas en este trabajo, sin embargo, es necesario hacer

notar la importancia de las relaciones económicas planteadas.

Entonces, dentro de estas relaciones existen variedad de do-

cumentación que sustenta la evidencia empírica de guía como Sola-

rin, Al-Mulali, Musah y Ozturk (2017) encontraron que la inversión

extranjera directa, y el desarrollo ﬁnanciero tienen un impacto posi-

tivo en las CO2 emisiones. Al-mulali (2012) aﬁrma que las entradas

netas de inversión extranjera directa fueron factores importantes

para aumentar las emisiones de CO2 en los países investigados. Por

lo tanto, es importante que la inversión extranjera promueva la pro-

tección ambiental y aumenten la transferencia tecnológica a través

de compañías extranjeras para reducir el daño ambiental. Shahbaz,

Tiwari y Nasir (2013) y Xiong, Tu y Ju (2017) conﬁrman que el de-

sarrollo ﬁnanciero reduce las emisiones de carbono en las regiones

desarrolladas, mientras que aumenta las emisiones en las regiones

menos desarrolladas.

El objetivo del trabajo es encontrar los efectos de la inversión

extranjera directa y el desarrollo ﬁnanciero en las emisiones de CO2

a nivel mundial, usando un panel de cointegración. Los resultados

encontrados indican la existencia de un equilibrio a corto y largo

plazo entre las tres variables a nivel mundial y por grupos de países.

La fuerza del vector de cointegración es promedio en el total de los

grupos de ingresos de los países. Finalmente, los resultados de la

prueba de causalidad muestran que existe en los países de altos in-

gresos, países de ingresos medios altos y países de ingresos bajos

una causalidad unidireccional entre las emisiones de gases contami-

nantes per cápita y la inversión extranjera directa. En los países de

ingresos medianos bajos existe una causalidad bidireccional que va

desde las emisiones contaminantes de CO2 al desarrollo ﬁnanciero

y en los países de ingresos bajos una relación de causalidad unidi-

reccional que va del desarrollo ﬁnanciero a las emisiones de CO2.

En los países de ingresos extremos bajos existe una relación de cau-

salidad unidireccional que va de las inversiones extranjeras directas

al desarrollo ﬁnanciero.

La presente investigación, resulta importante por la relación

entre las variables emisiones de CO2, inversión extranjera directa

y desarrollo ﬁnanciero, aparte de que cuenta con un agregado adi-

cional que es la división por nivel de ingresos en seis partes. Esta

división condiciona a cada país según su nivel de ingresos conside-

rando como el más alto a los países de ingresos extremos altos, y al

más bajo a los países de ingresos extremos bajos.

En lo formal, el documento tiene cinco apartados, incluyendo

la introducción. El primero, proporciona la revisión teórica que inclu-

ye las vinculaciones con la función teórica y la empírica. El segundo,

presenta el análisis de estadísticas básicas, que contiene los datos,

la metodología al igual que las variables y la medición utilizada en la

investigación. El tercer apartado, muestra los resultados obtenidos y

ﬁnalmente, la cuarta parte presenta las conclusiones generales para

la estimación del modelo econométrico.

2|REVISIÓN DE LITERATURA PRE-

VIA

Este apartado del artículo se estructura en base a las relaciones

de las variables de estudios; emisiones de CO2, inversión extranjera

directa y desarrollo ﬁnanciero. La elección de las variables se elabo-

ró con base en el artículo expuesto por Salahuddin, Alam, Ozturk y

Sohag (2018), las inversiones extranjeras directas estimulan las emi-

siones de CO2 tanto a corto como a largo plazo. Los autores aﬁrman

que es recomendable reducir las emisiones al expandir sus plantas

existentes de captura, utilización y almacenamiento de carbono. Así

mismo, informan que la asociación entre el desarrollo ﬁnanciero y

las emisiones de CO2 es insigniﬁcante a largo plazo, es decir que no

presentan un cambio estructuralmente considerable.

2.1 |Relación de las emisiones de CO2, la

inversión extranjera directa y el desarro-

llo ﬁnanciero

Para Zhang (2011) el desarrollo ﬁnanciero de China actúa co-

mo un importante impulsor del aumento de las emisiones de car-

bono, que debería tenerse en cuenta cuando se proyecta la deman-

da de emisiones de carbono. Mientras que la IED de China ejerce la

menor inﬂuencia en el cambio de las emisiones de carbono, con el

aumento de la IED de China en el futuro, se deben hacer muchos

Efectos de l ainversión extranjera directa y el desarrollo ﬁnanciero en las emisiones .....

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

esfuerzos para adaptar sus instrucciones de uso y desempeñar

un papel positivo en la promoción del desarrollo bajo en carbono.

Por su parte, según Abbasi y Riaz (2016) las variables Inversión y

desarrollo ﬁnanciero desempeñaron un papel en la mitigación de

emisiones solo en el último período en que se produjo un mayor gra-

do de liberalización y desarrollo del sector ﬁnanciero. Para Solarin,

Al-Mulali, Musah y Ozturk (2017) la inversión extranjera directa, y el

desarrollo ﬁnanciero tienen un impacto positivo en el CO2 emisio-

nes. Las entradas de inversión extranjera directa en el país también

han ayudado a construir una sólida formación de capital en el país

y han unido el mercado local al mercado internacional.

2.2 |Relación de las emisiones de CO2 y

la inversión extranjera directa

Omri, Nguyen y Rault (2014) indican que los resultados propor-

cionan evidencia de causalidad bidireccional entre la IED y el CO2

para todos los paneles. Estas ideas empíricas son de particular in-

terés para los formuladores de políticas, ya que ayudan a construir

políticas económicas sólidas para sostener el desarrollo económico.

Según Pao y Tsai (2011) y Sbia, Shahbaz y Hamdi (2014) al atraer

IED, los países en desarrollo deberían examinar estrictamente las

caliﬁcaciones para la inversión extranjera o promover la protección

ambiental a través del conocimiento coordinado y la transferencia

tecnológica con empresas extranjeras para evitar el daño ambien-

tal. En general, el método para gestionar tanto la demanda de ener-

gía como la IED y aumentar tanto la inversión en el suministro de

energía como la eﬁciencia energética para reducir el CO2, pueden

adoptar emisiones sin comprometer la competitividad del país. Al-

mulali (2012) señala que los resultados mostraron que las entradas

netas de inversión extranjera directa fueron factores importantes

para aumentar las emisiones de CO2 en los países investigados.

Para Zhang y Zhou (2016) los resultados sugieren que las en-

tradas de IED contribuyen a la reducción de las emisiones de CO2

de China. Estos autores explican además la inﬂuencia de la IED en

las emisiones de CO2 según las regiones: en la región occidental es

mayor que en las regiones oriental y central. Tang y Tan (2015) aﬁr-

man que se debería optar por la adopción de tecnologías limpias por

parte de la inversión extranjera porque es importante para reducir

las emisiones de CO2 en el país y sostener el desarrollo económico

al mismo tiempo. Los resultados del análisis de Shahbaz, Nasreen,

Abbas y Anis (2015) y Sung, Song y Park (2018) y Hajilary, Shahi y

Rezakazemi (2018), muestran que la IED es un predictor positivo de

la calidad ambiental en el país de acogida.

Kivyiro y Arminen (2014) aﬁrman la existencia de causalidad

que va de la IED a las emisiones de CO2. Esto signiﬁca que la pre-

sencia de multinacionales en los países anﬁtriones podría aumentar

o disminuir el nivel de emisiones, lo cual implica que en estos países

anﬁtriones deben tratar de evaluar el impacto ambiental de la IED

antes de recibir a los inversores extranjeros en el país. Baek (2016)

muestra que la IED en países con niveles bajos de ingresos aumenta

el CO2, pero en niveles altos lo reduce. Esto sugiere además que, si

los países desean impulsar el crecimiento sin deteriorar la calidad

ambiental a través de la IED, deberían ser más activos a la hora de

atraer mayores ﬂujos de IED en la industria de servicios que en la

industria manufacturera.

Autores contrarios aclaran que los resultados revelan que la

IED está afectando sustancialmente a las emisiones de CO2. Ade-

más, los hallazgos empíricos sugieren que, en los países de medianos

ingresos, tanto el consumo de energía primaria como el de combus-

tibles fósiles están incrementando considerablemente las emisiones

de CO2 y conduciendo al problema de los gases de efecto inverna-

dero.

2.3 |Relación de las emisiones de CO2 y

el desarrollo ﬁnanciero

Según el estudio de Shahbaz, Tiwari y Nasir (2013) y Xiong, Tu

y Ju (2017), el desarrollo ﬁnanciero reduce las emisiones de carbono

en las regiones desarrolladas, mientras que aumenta las emisiones

en las regiones menos desarrolladas, reconciliando los conﬂictos ac-

tuales evidencsobre este tema sostenemos que tanto la fuerza del

mercado como las limitaciones institucionales impiden que el desa-

rrollo ﬁnanciero mejore el medio ambiente en las regiones menos

desarrolladas. Gokmenoglu , Ozatac y Eren (2015) aﬁrman que la

contaminación del aire está impulsada por el desarrollo ﬁnanciero.

Los organismos reguladores ﬁnancieros de los países deben consi-

derar formas prácticas de canalizar el desarrollo ﬁnanciero hacia un

sistema ecológico y sostenible. Además, las instituciones ﬁnancie-

ras deben tomar la iniciativa de proteger el medio ambiente.

Shahbaz, Solarin, Mahmood y Arouri (2013) conﬁrman relacio-

nes signiﬁcativas a largo plazo entre las emisiones de CO2 y el de-

sarrollo ﬁnanciero. La evidencia empírica también indica que el de-

sarrollo ﬁnanciero reduce las emisiones de CO2. El análisis de cau-

salidad de Granger revela la hipótesis de la retroalimentación entre

el desarrollo ﬁnanciero y las emisiones de CO2. De acuerdo a Shah-

baz, Shahzab, Anmad y Alam (2016) los resultados muestran que

el desarrollo ﬁnanciero basado en el Banco también impide el me-

dio ambiente. El gobierno debería alentar a los prestamistas a que

faciliten los fondos para el sector de la energía y asignen recursos

ﬁnancieros para empresas respetuosas del medio ambiente en lugar

de desperdiciarlos en el ﬁnanciamiento al consumo.

2.4 |Relación de la Inversión extranjera di-

recta y el desarrollo ﬁnanciero

Desbordes y Wei (2017) explican los diversos efectos estruc-

turales del desarrollo ﬁnanciero en la inversión extranjera directa

(IED). El desarrollo ﬁnanciero de los países de origen y de destino

promueve conjuntamente la IED al aumentar directamente el acce-

so al ﬁnanciamiento externo y al apoyar indirectamente la actividad

económica general. La estrategia de crecimiento de un país debe

articularse en torno a un sistema ﬁnanciero que funcione bien y

esté adecuadamente regulado, con sólidas bases nacionales. Esto

maximizaría los beneﬁcios netos del desarrollo ﬁnanciero para los

inversionistas locales y extranjeros por igual.

La evidencia empírica expresada en cada apartado presenta la

relación entre las variables emisiones de CO2, inversión extranjera

directa y desarrollo ﬁnanciero. Cada grupo se constituyó en base a

la relación de las variables de estudio. En consecuencia, las inves-

tigaciones aportaron generosamente, al tema planteado, enfocado

principalmente en los efectos de la inversión extranjera directa y el

desarrollo ﬁnanciero en las emisiones de CO2 a nivel mundial.

3|DATOS Y METODOLOGÍA

3.1 |Datos

En la presente investigación se han utilizado datos del World

Development Indicators del Banco Mundial (2017), la cobertura

temporal está delimitada por los valores entre los años 1970-2016,

para 160 países a nivel mundial con datos disponibles de las 3 va-

riables para todo el período analizado. Los países y el periodo de

tiempo fueron seleccionados por la disponibilidad de los datos para

las variables utilizadas, esto permitió hacer estimaciones usando un

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

panel de datos balanceado. La variable dependiente es el loga-

ritmo de las emisiones de CO2 en toneladas métricas per cápita y las

variables independientes son el logaritmo de la inversión extranjera

directa y el logaritmo del desarrollo ﬁnanciero. Para la estructura y

desarrollo de la investigación se delimita a los 160 países por gru-

po deﬁnidos de acuerdo a los ingresos, los países se agruparon en

países de ingresos extremos altos (PIEA), en países de ingresos altos

(PIA), países de ingresos medios altos (PIMA), países de ingresos me-

dios bajos (PIMB), países de ingresos bajos (PIB) y países de ingresos

extremos bajos (PIEB).

La Figura 1 muestra la dispersión entre las tres variables. El

análisis de dispersión básico sugiere que en los países a nivel global

tienen una relación positiva tanto la relación CO2- inversión CO2-

desarrollo ﬁnanciero. En los países de ingresos extremos altos (PIEA)

sus líneas de tendencia demuestran una relación directamente pro-

porcional es decir que la falta de aplicación de inversión y desarro-

llo ﬁnanciero ocasiona mayores niveles de emisiones de CO2. En el

caso de los países de ingresos altos (PIA) la tendencia es un tanto

lineal con disimulados crecimientos, pudiéndose considerar una re-

lación proporcional de las variables. Los países de ingresos medios

altos (PIMA) consideran el mismo panorama manteniendo para las

dos variables independientes tendencias crecientes con relación a

las emisiones de CO2. Tanto los países de ingresos medios bajos

(PIMB), como los países de ingresos bajos (PIB) y los de extremos

bajos (PIEB) mantienen una relación directamente proporcional en-

tre las variables emisiones CO2-inversión extranjera directa y emi-

siones CO2-desarrollo ﬁnanciero, considerando que la aplicación de

una condiciona un aumento o reacción sustancial en la variable de-

pendiente.

La Tabla 1 muestra los estadísticos descriptivos de la variable

dependiente que es el logaritmo de las emisiones de CO2 en to-

neladas métricas per cápita y las variables independientes como el

logaritmo de la inversión extranjera directa y el logaritmo del de-

sarrollo ﬁnanciero. Las variaciones de las variables medidas por la

desviación estándar, no tienen una tendencia marcada. Las emisio-

nes de CO2 variaron más entre países que dentro de ellos. Hubo

variaciones similares en las variables independientes. El número de

observaciones disponibles asegura que los parámetros se generali-

cen entre países y en el tiempo.

3.2 |Metodología

La estrategia econométrica global diseñada para evaluar la

fuerza del vector de cointegración entre las emisiones contaminan-

tes, la inversión extranjera directa y el desarrollo ﬁnanciero está

conformada por etapas. En la primera etapa, estimamos un mode-

lo de regresión básico de datos de panel. La variable dependiente

es el logaritmo de las emisiones de dióxido de carbono per cápi-

ta (l o g C O 2i,t) y las variables independientes son el logaritmo de

la inversión extranjera directa (l o g I E Di,t) y el desarrollo ﬁnanciero

(l o g D Fi,t) en el país i= 1, . . . , 160 del periodo t= 1970, . . . , 2016. La

ecuación (1) formaliza la relación entre las tres variables:

l o g C O 2i,t=(γ0+δ0) + γ1l o g I E Di,t+γ2l o g D Fi,t+θi,t(1)

La prueba de Hausman (1978) se usó para elegir entre un mo-

delo de efectos ﬁjos o aleatorios. El modelo propuesto en la Ecua-

ción (1) tiene dos problemas estructurales. La prueba de Wooldrid-

ge (2002) sugiere la presencia de autocorrelación y la prueba del

multiplicador de Breusch-Pagan muestra que el modelo tiene hete-

rocedasticidad. Para corregir el sesgo en los estimadores causados

por la autocorrelación y la heterocedasticidad, utilizamos un modelo

de mínimos cuadrados ordinarios generalizados (GLS). Según Gross-

man y Krueger (1991) y Shaﬁk y Bandyopadhyay (1992), es y luego

disminuye y se vuelve negativo cuando los países alcanzan un mayor

nivel de desarrollo. La literatura empírica ha calculado este efecto

incorporando el término cuadrático del producto real per cápita. Los

parámetros capturan la variabilidad en tiempo y sección transversal.

Finalmente, el parámetro es el término de error estocástico.

Para garantizar que la serie no tenga el problema de la raíz

unitaria, se emplea un conjunto de pruebas, que coinciden en que

la primera diferencia elimina el efecto de tendencia de las dos va-

riables. Las pruebas utilizadas fueron: Dickey y Fuller Aumentado

(1981), Phillips y Perron (1988), Levine, Lin y Chu (2002), Im, Pesa-

ran y Shin (2003), y Breitung (2002), que se pueden estimar a partir

de la siguiente ecuación:

yt=α0+λyt−1+αit+

i=2

βjyt−i−1+ϵt(2)

Donde ytes la serie que se supone que contiene al menos una

raíz unitaria, α0es la intersección y α1captura el efecto de tenden-

cia del tiempo, ϵtes el error gaussiano, y prepresenta la longitud del

rezago. En la Ecuación (2), cuando el parámetro λes signiﬁcativo, se

puede concluir que al menos uno de los paneles tiene una raíz unita-

ria. El uso de cinco pruebas diferentes asegura que las series utiliza-

das en las estimaciones posteriores no tienen el problema de la raíz

unitaria. La segunda etapa de la estrategia econométrica determina

el equilibrio a corto y largo plazo entre las tres variables utilizando

la prueba de cointegración desarrollada por Pedroni (1999), el equi-

librio a largo plazo se determina con base en la siguiente ecuación:

yi,t=αi+

n−1

j=1

βi j xi j −j+

n−1

j=1

ωi j yi,t−j+πiE CTt−j+ϵi,t(3)

Donde yi,trepresenta la variable dependiente del país ien el

período t. Los parámetros β,ω y π son los parámetros a estimar, y el

término E CTt−jes el vector de cointegración de equilibrio a largo

plazo. Finalmente, ϵi,tes el término de error aleatorio estacionario

con media cero y es la longitud del desfase determinada con el cri-

terio de información de Akaike (1974). Además, el equilibrio a corto

plazo se determina mediante la prueba de Westerlund (2007) a par-

tir de la siguiente ecuación:

yi,t=δidi+αiyi,t−1−βiXi,t−1+

j=1

αi j yi t −j+

j=−qi

γi j Xi,t−j+ϵi,t(4)

Donde t= 1, . . . ,Tson los períodos de tiempo y i= 1, . . . , N

son los países. El término dtes el componente determinista. La su-

posición de que los vectores k-dimensional de xi,ty son aleatorios

e independientes de ϵi,t, por lo que se supone que estos errores

son independientes a través de iyt. La hipótesis nula sugiere que

no hay cointegración a corto plazo. Sin embargo, la prueba de coin-

tegración a corto y largo plazo solo indica la existencia o no de un

vector que se relaciona con las variables en cuestión. En la próxima

etapa se estima la fuerza del vector de cointegración utilizando el

enfoque de Pedroni (2001). Especíﬁcamente, la fuerza de la relación

entre las tres variables en cada país se estimó utilizando un modelo

dinámico de mínimos cuadrados ordinarios (DOLS) y para la región

como un todo o para grupos de países a través de una dinámica

ordinaria del modelo de panel de mínimos cuadrados (PDOLS).

Efectos de l ainversión extranjera directa y el desarrollo ﬁnanciero en las emisiones .....

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Figura 1. Elaboración propia con datos del WDI (2017)

Armijos J. & Lozano E.

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

La siguiente ecuación plantea la relación entre las tres varia-

bles:

yi,t=αi+δiXi,t+

j=−P

γi,t∆Xi,t−j+µi,t(5)

Dónde yi,testán las emisiones de gases contaminantes, i=

1,2, . . . , 160 países, t= 1,2, . . . ,Tes el tiempo, p= 1,2, . . . , Pes el

número de rezagos en la regresión DOLS, mientras que δimide el

cambio en las emisiones de CO2 cuando cambia las inversiones y

γi,tmide el cambio en las emisiones de CO2 cuando cambia el de-

sarrollo ﬁnanciero. El estimador PDOLS se promedia a lo largo de

la dimensión entre los grupos (Neal, 2014), y la hipótesis nula esta-

blece que βi=β0. Finalmente, en la cuarta etapa usamos la prueba

formalizada por Dumitrescu y Hurlin (2012) para determinar la exis-

tencia y la dirección de causalidad entre las tres variables usando la

siguiente expresión:

yi,t=αi+

K=1

γK

iYi,t−K+

K=1

βK

iXi,t−K+µi,t(6)

En la ecuación (6), suponemos que βi=β(1)

i, . . . , β(k)

i, y que el

término αise ﬁja en la dimensión de tiempo. El parámetro autorre-

gresivo γK

i, el coeﬁciente de regresión βK

iy varía entre las secciones

transversales. La hipótesis nula plantea que no hay relación causal

para ninguna de las secciones transversales del panel H0: βi= 0.

Tabla 1. Estadísticos descriptivos de las variables

Variable Media DS Min. Max. N

Log (emisiones de CO2 toneladas

métricas per cápita). Overall 0,356 1,721 -6,829 4,382 N=7520

Between 1,66 -3,501 3,413 n= 160

Whitin 0,465 -5,439 2,808 T=47

Log Inversión Extranjera Directa. Overall 19,395 2,835 7,384 27,326 N=7520

Between 2,291 13,729 24,955 n= 160

Whitin 1,678 8,998 24,745 T=47

Log Desarrollo Financiero. Overall 22,314 2,99 9,273 31,158 N=7520

Between 2,797 17,589 30,159 n= 160

Whitin 1,079 10,792 25,263 T=47

Tabla 2. Relación entre las emisiones de CO2, las inversiones y el desarrollo ﬁnanciero

GLOBAL PIEA PIA PIMA PIMB PIB PIEB

Log (IED) 0,01 0,01 0,002 0,002 0,01** 0,01*** 0,01*

-4,74 -0,59 -1,31 -0,52 -3,02 -3,67 -2

Log (DF) 0,12*** -0,12*** -0,03*** 0,02* 0,003 0,08*** 0,04***

-27,84 (-4,42) -5,09 -2,2 -0,44 -11,78 -4,86

Constante -2,21*** 5,33*** 1,44*** 1,36*** 1,22*** -1,79*** -2,88***

(-22,01) -7,54 -9,92 -6,08 -8,5 (-11,50) (-16,15)

Hausman test (p-val.) 0 -18,11 0,11 0 0,86 0,12 0,31

Serial correlation test (p-val.) 0,94 0,88 0,93 0,9 0,94 0,93 0,93

Fixed eﬀects (time) No No No No No No No

Fixed eﬀects (countries) No No No No No No No

Observaciones 7520 235 1081 564 1034 3008 1598

Nota: t estadísticos en paréntesis *p <0.05, **p <0.01, ***p <0.001.

4|DISCUSIÓN DE RESULTADOS

4.1 |Regresión normal de las emisiones

de CO2

La Tabla 2 muestra los resultados de la estimación de emisiones

de CO2, la inversión y el desarrollo ﬁnanciero a nivel mundial y por

grupos de países. La prueba de Hausman (1978), muestra que todos

los paneles se estimaron con efectos aleatorios a excepción del grupo

global y de países con ingresos medios altos, en cuyo caso se estimó

con efectos ﬁjos. Los resultados obtenidos indican una relación po-

sitiva y estadísticamente signiﬁcativa para las inversiones para todos

los grupos de países, excepto para los países desarrollados. En el caso

del desarrollo ﬁnanciero los resultados indican una relación positiva y

negativa entre grupos de países y estadísticamente signiﬁcativos, ex-

cepto para los países de ingresos medios bajos. Lo estimado es coin-

cidente con los resultados obtenidos por Solarin, Al-Mulali, Musah y

Ozturk (2017) que encontraron que la inversión extranjera directa, y

el desarrollo ﬁnanciero tienen un impacto positivo en las emisiones

de CO2.

Efectos de l ainversión extranjera directa y el desarrollo ﬁnanciero en las emisiones .....

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Tabla 3. Pruebas de raíz unitaria en la primera diferencia

Grupos Variables WD WOD MEAN

LL UB IPS ADF PP LL UB IPS ADF PP

Global

CO2 -74,86* -14,22* -76,16* -33,39* -76,93* -77,11* -15,30* -77,72* -32,56* -77,42*

IED -83,41* -21,1* -89,11* -43,82* -88,19* -82,11* -20,97* -87,93* -44,58* -90,26*

DF -44,41* -8,09* -54,97* -22,97* -55,51* -45,36* -8,38* -57,34* -22,50* -58,24*

PIEA

CO2 -16,13* -3,89* -17,07* -7,15* -15,51* -15,52* -4,31* -17,13* -5,34* -16,07*

IED -8,57* -5,38* -15,12* -9,05* -17,09* -13,40* -4,29* -17,05* -9,12* -17,92*

DF -7,17* -1,77* -9,52* -4,37* -10,77* -12,17* -3,01* -12,38* -6,39* -13,019*

PIA

CO2 -30,20* -4,99* -30,22* -11,84* -29,20* -30,87* -5,650* -31,84* -11,97* -31,01*

IED -28,20* -8,36* -30,89* -17,26* -33,91* -23,812* -8,46* -29,22* -18,16* -35,44*

DF -13,95* -5,02* -18,48* -6,94* -17,13* -25,87* -5,68* -27,68* -8,73* -25,93*

PIMA

CO2 -23,83* -2,21* -22,54* -10,54* -21,88* -24,86* -2,32* -25,33* -10,59* -22,60*

IED -23,45* -3,80* -25,58* -12,13* -24,95* -25,13* -3,57* -26,42* -12,46* -25,450*

DF -11,53* -3,01* -13,64* -7,33* -15,45* -22,182* -4,41* -21,91* -8,54* -20,66*

PIMB

CO2 -26,02* -6,91* -24,95* -10,89* -26,90* -30,17* -5,21* -29,33* -10,20* -27,99*

IED -34,97* -6,08* -33,24* -16,95* -33,06* -33,76* -6,12* -34,83* -16,86* -33,66*

DF -22,80* -4,29* -23,06* -11,52* -20,65* -21,441* -3,74* -21,28* -12,03* -21,39*

PIB

CO2 -46,45* -8,82* -49,04* -21,45* -49,42* -48,60* -9,87* -51,52* -22,09* -50,433*

IED -55,36* -15,83* -58,41* -26,48* -56,02* -56,30* -15,52* -58,21* -27,10* -56,97*

DF -24,70* -3,24* -34,18* -13,68* -35,67* -26,615* -3,76* -35,45* -14,09* -37,42*

PIEB

CO2 -32,61* -7,51* -33,06* -15,50* -34,47* -33,48* -7,19* -34,92* -16,32* -35,41*

IED -35,92* -10,31* -40,03* -20,22* -40,73* -37,17* -10,66* -40,24* -20,51* -40,97*

DF -23,94* -7,62* -26,82* -10,04* -27,46* -28,12* -8,47* -32,20* -12,06* -32,98*

*signiﬁcancia del 1 %

Armijos J. & Lozano E.

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Algunos estudios demuestran que el nivel de ingresos es im-

portante como condicionante de las emisiones de CO2. Baek (2016)

muestra que la IED en países con niveles bajos de ingresos aumenta

el CO2, pero en países con niveles altos lo reduce. Esto sugiere ade-

más que, si los países desean impulsar el crecimiento sin deteriorar

la calidad ambiental a través de la IED, deberían ser más activos a la

hora de atraer mayores ﬂujos de IED en la industria de servicios que

en la industria manufacturera.

4.2 |Pruebas de raíz unitaria

La Tabla 3 muestra los resultados de la prueba de raíz unitaria de

las emisiones de CO2 per cápita, la inversión extranjera directa y el

desarrollo ﬁnanciero, todas las variables medidas en logaritmos. Los

resultados fueron estimados con los efectos del tiempo y sin efectos

del tiempo. Las pruebas de Levine, Lin y Chu (2002), Im, Pesaran y

Shin (2003) y Breitung (2002) se basan en pruebas paramétricas y

las pruebas Fisher de Dickey y Fuller Aumentado (1981), Phillips y

Perron (1988) son no paramétricos, que fueron propuestos por Mad-

dala y Wu (1999). Breitung (2002) se basa en la homogeneidad de la

raíz unitaria (a través de paneles). El criterio de información Akaike

(AIC) se utilizó para determinar la duración del rezago. En general, la

evidencia encontrada sugiere que las tres series tienen un orden de

integración I (1).

Dickey-Fuller (DF) prueba la hipótesis nula, que indica que la

serie contiene una raíz unitaria contra la alternativa, que la serie es

estacionaria. Sin embargo, se obtiene que la prueba DF es válida solo

si el término de error no se debe autocorrelacionar. La prueba de raíz

unitaria aumentada de Dickey Fuller (ADF) se introduce para superar

el problema de la posibilidad de que se rechace incorrectamente una

hipótesis nula correcta. Philips y Perron (1988) introducen un enfo-

que alternativo sobre la prueba de raíz de la unidad ADF al permitir

incluir los residuos autocorrelacionados. Zhang (2011) aplica Dickey-

Fuller (1981) (ADF) en todas las variables para todos los períodos de

muestra con respecto a sus propiedades estacionarias. Encontró que

las variables en esta serie son de orden I (1) al 10 % de nivel en los

períodos de muestra respectivos.

4.3 |Prueba de Pedroni (1999)

La Tabla 4 informa los resultados de la prueba de cointegración

entre las tres variables globales para los 160 países y para los gru-

pos de países, y reporta las siguientes estadísticas: una estadística de

panel-v, panel-rho, panel-PP y panel-ADF. El primero no es paramé-

trico y se basa en la relación de varianzas. La prueba de cointegración

de paneles heterogéneos de Pedroni (1999) muestra que existe una

relación de equilibrio a largo plazo a nivel global entre las series. Las

estadísticas ADF, PP, p-statistic y v-statistic muestran un resultado

coherente entre ellas: las tres series se mueven juntas y simultánea-

mente en el tiempo y en la sección transversal. Las estadísticas den-

tro de las dimensiones de los paneles y entre las dimensiones de los

paneles son estadísticamente signiﬁcativas a nivel global. El mismo

resultado ocurre para los países de ingresos bajos y para los países

de ingresos extremos bajos. En los países de ingresos extremadamen-

te altos, altos, medianos altos y medianos bajos, solo una de las siete

estadísticas muestra un resultado contradictorio y seis estadísticas

indican la existencia de cointegración.

Estos resultados son similares a las conclusiones obtenidas

Behera y Dash (2017) en la investigación donde relaciona a las in-

versiones con emisiones de CO2 y otras variables evidenciaron resul-

tados de la cointegración de Pedroni donde la urbanización; consumo

de energía primaria, IED y las emisiones de CO2 están cointegradas

en todos los subgrupos de países, independientemente de sus niveles

de ingreso nacional per cápita.

4.4 |Prueba de Westerlund (2007)

En la práctica, la existencia de una relación a largo plazo implica

que las variables bajo análisis se muevan de manera conjunta y simul-

tánea porque existe una fuerza de cointegración o un vector que las

equilibra a lo largo del tiempo. Sin embargo, es muy posible que los

cambios en la cantidad de emisiones contaminantes per cápita varíen

inmediatamente como resultado de los cambios en la inversión y de-

sarrollo ﬁnanciero. Para evaluar esta relación, la Tabla 5 muestra los

resultados del modelo de error vectorial de los datos del panel VECM

propuesto por Westerlund (2007). La prueba de cointegración pro-

puesta por Westerlund (2007) veriﬁca la ausencia o presencia de de-

terminación de cointegración a corto plazo entre dos variables. Ade-

más, esta prueba se basa en el hecho de que las series no son esta-

cionarias. Las pruebas de Levine, Lin y Chu (2002), Im, Pesaran y Shin

(2003) y Breitung (2002) y las pruebas de Fisher de Dickey y Fuller

Aumentado (1981) y Phillips y Perron (1988) mostraron que la serie

no tienen el problema de la raíz unitaria. Como resultado, fue posible

estimar la prueba de cointegración de Westerlund.

Como en las tablas anteriores, los resultados son reportados pa-

ra todo el panel y por grupos de países. Los resultados encontrados

nos permiten aceptar la hipótesis alternativa de cointegración entre

las dos series analizadas (emisiones de CO2-IED; emisiones de CO2-

DF). Esto implica que un cambio en la inversión y el desarrollo ﬁnan-

ciero generan cambios inmediatos en las emisiones contaminantes.

La existencia de un equilibrio a corto plazo de las variables se cumple

a nivel global y en todos los grupos de países porque las estadísticas

son signiﬁcativas al 0.1 %.

Shahbaz, Nasreen, Abbas y Anis (2015) aﬁrman que para apro-

vechar la inversión extranjera directa y controlar la contaminación,

se han recomendado políticas apropiadas para los países de ingresos

altos, bajos y medios. En los países de altos ingresos, la inversión ex-

tranjera directa mejora la calidad ambiental. Esto muestra que en el

mundo desarrollado la inversión extranjera directa reduce las emisio

Armijos J. & Lozano E.

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

nes de CO2 en todas las etapas. Los países de ingresos medios

deberían alentar a las empresas a adoptar tecnologías respetuosas

con el medio ambiente no solo para mejorar la producción nacional,

sino también para reducir las emisiones de CO2.

Tabla 4. Resultado de la prueba de cointegración Pedroni

GLOBAL PIEA PIA PIMA PIMB PIB PIEB

Within dimension test

Panel v-statistic 4,12** 1,29 1,35 1,45 1,01 2,44** 2,25**

Panel p-statistic -55,63*** -11,31** -21,73*** -14,73** -21,70*** -35,79*** -24,73***

Panel PP-statistic -80,71*** -17,95*** -32,72*** -23,03*** -28,94*** -54,10*** -35,60***

Panel ADF-statistic -62,37*** -14,95*** -23,5*** -20,16*** -24,70*** -43,77*** -27,55***

Between dimension test

Panel p-statistic -49,62*** -10,23** -19,57*** -12,98*** -19,28*** -31,86*** -22,48***

Panel PP-statistic -89,01*** -19,62*** -36,24*** -24,82*** -30,81*** -60,01*** -40,16***

Panel ADF-statistic -62,82*** -16,19** -23,04*** -19,29*** -25,56*** -44,78*** -27,85***

**signiﬁcancia del 1 %, ***signiﬁcancia del 1 %

Tabla 5. Resultados de Westerlund VECM

Grupos de países CO2-IED CO2-DF

Statistic Value Z-value P-value Value Z-value P-value

Global

Gt -5,87 -55,38 0 -5,89 -55,68 0

Ga -52,16 -76,57 0 -53,93 -79,93 0

Pt -95,36 -79,94 0 -84,76 -67,59 0

Pa -73,28 -136,23 0 -65,48 -119,72 0

PIEA

Gt -6,35 -11,36 0 -6,45 -11,41 0

Ga -59,66 -16,05 0 -60,28 -16,26 0

Pt -13,04 -9,68 0 -13,66 -10,41 0

Pa -52,05 -16,13 0 -54,58 -17,08 0

PIA

Gt -5,72 -20,12 0 -5,47 -18,61 0

Ga -49,63 -27,2 0 -50,09 -27,54 0

Pt -28,92 -21,88 0 -27,98 -20,79 0

Pa -47,83 -31,218 0 -48,66 -31,88 0

PIMA

Gt -5,76 -14,69 0 -6,02 -15,83 0

Ga -50,49 -20,1 0 -51,34 -20,54 0

Pt -19,97 -14,73 0 -20,77 -15,67 0

Pa -48,67 -23,03 0 -47,04 -22,09 0

PIMB

Gt -5,31 -17,25 0 -5,27 -17,03 0

Ga -44,08 -22,69 0 -45,18 -23,47 0

Pt -25,04 -17,63 0 -25 -17,57 0

Pa -47,28 -30,09 0 -49,16 -31,57 0

PIB

Gt -5,93 -35,58 0 -6,12 -37,54 0

Ga -51,39 -47,49 0 -53,88 -50,49 0

Pt -53,83 -43,01 0 -53,46 -42,58 0

Pa -66,31 -76,82 0 -65,14 -75,25 0

PIEB

Gt -6,18 -27,81 0 -6,01 -26,5 0

Ga -60,05 -42,21 0 -62,24 -44,13 0

Pt -63,08 -59,12 0 -43,76 -36,62 0

Pa -109,96 -98,59 0 -79,28 -68,65 0

4.5 |Modelos DOLS y PDOLS del grupo

de países

Los resultados de la prueba de cointegración de Pedroni y Wes-

terlund tienen limitaciones ya que solamente mantienen la existen-

cia de un vector de cointegración y no informan sobre la fuerza del

vector o el efecto individual en cada país. La Tabla 6 informa los re-

sultados encontrados en esta etapa de la estimación. El panel DOLS

es paramétrico y constituye una opción alternativa para obtener el

estimador de panel OLS totalmente modiﬁcado desarrollado por Phi-

llips y Moon (1999) y Pedroni (2001). Se estima la fuerza del vector

de cointegración de Pedroni (2001) formalizado en la Ecuación (5) y

se informa en la Tabla 6. Los estimadores obtenidos se pueden inter-

pretar como elasticidad de una manera directa. Los países que tienen

un coeﬁciente positivo, mantienen una relación entre las variables

positivas y si el coeﬁciente tiende a 1 o es mayor que 1, la fuerza

Armijos J. & Lozano E.

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Tabla 6. Resultados del modelo DOLS para países individuales

PIEA PIA PIMA

Países WD WOD Países WD WOD Países WD WOD

IED DF IED DF IED DF IED DF IED DF IED DF

Denmark -0,47 -0,59 -0,74 -0,98 Australia 0,85 -4,45 1,03 -1,79 Barbados -0,04 -0,38 1,15 1,27

Kuwait -1,48 1,59 -1,08 1,29 Austria 0,39 -3 0,82 -0,91 R. Checa -0,18 -0,14 2,57 -2,58

Norway 0,5 -0,59 -0,09 0,24 Bahamas -0,87 -0,41 -0,11 -1,01 Gabón 0,87 2,46 0,65 2,61

Switzerland 0,15 1,51 2,21 0,4 Baharian -0,67 0,24 -0,17 -0,88 Honduras 0,64 0,89 0,02 0,83

UAE -1,03 0,31 1,25 -1,91 Canadá -1,97 1,22 1,72 2,93 Korea 0,71 -1,03 1,03 0,15

Chipre -4,01 -0,01 -3,37 0,84 Malta -0,16 1,69 0,17 0,89

Finland 1,24 -1,67 1,67 -1,47 Oman 2,33 1,93 1,52 1,14

France -2,41 -0,01 1,37 -1,19 Portugal 1,04 0,46 1,26 -0,02

Germany -0,08 -2,66 -1,49 0,13 Saudi Arabia -0,25 -0,74 -0,55 -0,19

Greece 1,16 -0,1 1,46 -0,31 Slovenia -1,26 -0,14 0,69 0,01

Iceland 0,32 0,4 -0,1 0,53 Trinidad -0,5 -0,66 1,31 1,55

Ireland 0,07 0,56 1,35 0,81 Venezuela 1,67 -0,11 1,07 0,02

Israel 1,98 0,29 0,93 -0,18

Italy 1,56 -2,48 1,7 -0,03

Japan 1,86 -0,21 -0,74 0,36

Macao -1,92 -2,67 -2,59 -3

Netherlands 0,34 -0,19 -0,29 1,26

New Zealand 0,59 -0,43 1,13 0,08

Singapore 0,54 2,68 -0,01 1,55

Spain 0,34 1,24 0,06 1,87

Sweden -1,42 -0,03 -0,91 0,35

United Kingdom -1,19 0,88 3,99 0,21

United States -0,68 -0,25 -0,64 1,96

PIMB PIB PIEB

Países WD WOD Países WD WOD Países WD WOD

IED DF IED DF IED DF IED DF IED DF IED DF

Ant. y Barb. -2,41 1,68 -2,09 1,02 Albania -1,38 4,06 -1,5 3,88 Bangladesh -2,34 0,51 1,26 2,05

Argentina -0,01 0,9 0,36 1,97 Algeria -0,34 -0,6 0,21 0,17 Benin -1,58 -1,22 -0,9 -0,23

Brazil 3,53 0,74 3,67 2,12 Angola -3,07 2,06 -2,57 1,84 Burkina Faso -2,78 1,61 -4,11 1,54

Chile 4,97 -3,13 4,5 -3,36 Armenia 0,33 -1,03 -0,03 -1,01 Burundi 1,16 1,34 -0,34 0,88

Costa R. 0,57 0,96 1,41 1,41 Azerbaijan 2,38 -0,01 1,89 -0,5 Cambodia 2,88 -2,79 1,41 -1,24

Croatia -1,1 -1,9 1,46 -0,12 Belarus -1,38 3,04 -3,5 3,39 Cen. Afr. Rep -2,91 -0,51 -5,25 0,98

Equ. Guinea -0,99 1,62 -0,81 1,5 Belice -0,08 1,6 -0,58 1,25 Chand -0,81 0,37 -1,11 1,06

Estonia 0,44 0,87 -0,1 0,9 Bolivia -1,35 -0,91 -1,3 -0,65 Comoros -0,38 0,64 -1,27 0,9

Hungary 1,86 2,11 1,65 2,89 Botswana -1,22 3,22 -0,98 3,76 Congo D. -0,27 0,84 -0,08 1,14

Latvia 1,85 -1,32 0,77 -0,97 Bulgaria -1,18 4,12 -2,16 5,99 Ethiopia 0,84 -1,26 0,71 -1,01

Lithuania -0,35 -0,11 -0,81 0,6 Buthan 0,31 1,51 -0,21 1,58 Gambia 0,04 1,12 -0,78 1,82

Malaysia 1,52 1,08 0,33 1,38 Cabo Verde 0,16 -2,07 0,03 -2,24 Guatemala 0,33 -0,36 0,46 -0,25

México 2,15 -0,61 1,73 -1,42 Cameron 0,08 1,89 0,31 1,59 Guinea 0,22 -0,08 -1 0,87

Poland 1,61 -3,63 -0,68 -4,05 China 1,43 -2,37 0,9 -0,69 Guyana 2,17 2,11 2,8 2,19

Russian 0,89 -2,34 -0,06 -0,99 Colombia -1,64 2,07 -1,94 4,9 Haiti 0,18 -1,1 0,83 4,13

Seychelles 0,33 0,12 1,59 0,35 Congo R. 1,65 0,65 1,3 0,94 India -0,81 0,14 0,67 0,79

Armijos J. & Lozano E.

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Table 6. Continuación

Slovak 0,23 2 1,38 -1,59 Costa de M. 1,09 0,11 0,27 0,38 Kenya 0,95 0,37 0,74 2,07

South Africa 1,91 1,54 1,15 -0,04 Yibuti 0,75 -0,75 0,51 0,52 Kyrgyz 3,92 -3,06 2,71 -2,09

St. Kitts -1,05 0,92 -0,41 1,25 Dominica -0,48 1,24 -0,47 0,74 Lao PDR -1,71 2,67 -1,09 2,12

Suriname 0,14 -0,18 0,32 -0,25 R. Dominic. 1,79 0,75 1,61 0,58 Liberia 0,08 1,27 0,95 1,59

Turkey 0,99 2,52 0,47 2,03 Ecuador -1,56 1,99 -1,59 3 Madagascar 0,89 -1,36 0,61 -0,17

Uruguay 3,42 -2,86 5,09 -1,95 Egipto 2,79 2,11 3,45 2,73 Malawi 0,93 0,74 0,96 1,32

El Salvador 1,01 1,82 1,59 1,12 Mali -1,63 2,67 -1,7 2,18

Fiji 1,49 -1,39 2,34 -1,53 Mozambique 2,95 0,51 2,59 1,67

Georgia -0,5 2,31 -0,09 1,57 Nepal 2,61 0,01 2,97 1,96

Ghana -0,68 2,14 -1,33 2,53 Niger -1,59 1,85 -0,84 1,99

Grenada -0,94 0,59 -0,42 -0,26 Pakistan 0,48 1,95 3,08 2,09

Guam 0,46 1,03 1,49 0,41 Rwanda -1,36 3,23 -2,36 3,15

Bissau 1,31 0,9 1,25 0,87 Senegal -0,91 2,67 -1,05 2,14

Indonesia -2,21 1,62 -3,24 2,09 Sierra Leone -0,12 -0,15 -0,7 1,17

Iran 0,84 1,03 0,65 1,52 Tanzania 1,44 1,02 1,4 0,8

Jamaica 4,34 -0,44 4,81 -0,97 Togo 0,64 -0,24 0,46 0,11

Jordan 0,35 2,05 -0,84 2,78 Uganda -1,33 1,84 -0,23 1,22

Kazakhstan -3,87 4,01 -4,73 4,81 Vietnam -2,22 3,93 -1,53 3,08

Macedonia 1,73 -1,91 1,56 -2,18

Mauritania 0,76 -0,72 0,35 -0,78

Mauritius 0,48 -0,19 1,58 -0,07

Moldova -0,41 -0,9 -0,82 -0,68

Mongolia 1,87 -1,35 0,87 -0,21

Morocco 1,77 0,93 1,72 0,56

Namibia 1,59 1,01 1,24 1,65

Nicaragua 1,24 -0,81 0,87 -0,25

Nigeria -2,25 0,31 -2,03 0,82

Panamá 0,37 1,75 -0,37 2,62

Papua 0,55 -1,37 -0,91 -0,56

Paraguay -0,75 1,68 -0,14 1,46

Perú -0,43 0,56 0,59 0,87

Philippines 1,14 2,62 1,72 3,59

Romania -0,18 1,17 -0,43 1,26

Samoa 0,68 -2,37 0,1 -2,45

Salomon -3,06 2,82 -3,43 3,28

Sri Lanka 0,95 -0,01 1,43 -0,38

St.Lucia -1,7 1,62 -0,74 0,48

St. Vincent 2,79 0,71 2,73 0,14

Sudan -0,75 1,42 -0,96 2,22

Swalind 1,39 -2,61 1,28 -1,66

Thailand -1,42 2,35 0,22 2,11

Tonga 1,63 1,78 1,16 1,57

Tunisia -0,37 1,02 1,08 2,67

Ukraine 1,25 -0,15 1,06 0,19

Vanuatu 1,13 -0,78 0,46 0,78

Yemen 0,14 -0,15 -0,37 0,55

Zambia 0,6 0,76 -0,02 1,18

Zimbabwe 1,82 0,55 1,6 0,73

Nota: *, **, *** indican el rechazo de la hipótesis nula al nivel de 5 %, 10 % y 1 % respectivamente para H0:βi= 1

Armijos J. & Lozano E.

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

del vector de cointegración es contundente caso contrario la

fuerza del vector es no contundente. Cuando la elasticidad es nega-

tiva, la relación entre las variables es negativa. En la mayoría de los

grupos de ingresos tiene un vector de cointegración mayor que 1, in-

dicando que los cambios en los niveles de inversión extranjera directa

tienen un fuerte impacto en las emisiones de CO2 al igual que con

el desarrollo ﬁnanciero. Varios de los vectores se encuentran cerca

de la unidad, por lo que concluimos la relación de equilibrio entre las

variables es lo suﬁcientemente fuerte.

Salahuddin, Gow y Ozturk (2015) encontraron que la relación a

largo plazo es robusta en estas diferentes especiﬁcaciones economé-

tricas. No se observó una relación signiﬁcativa a corto plazo. Además,

se encontró una relación negativa y signiﬁcativa entre las emisiones

de CO2 y el desarrollo ﬁnanciero. Los hallazgos implican que el desa-

rrollo ﬁnanciero reduce considerablemente las emisiones de CO2.

De la prueba de Pedroni (2001), estimamos la fuerza del vector

de cointegración por grupos de países PDOLS, que se informa en la

Tabla 7 para asegurar la consistencia de los parámetros obtenidos, es-

timamos un modelo con tiempo ﬁcticio y sin tiempo ﬁcticio. En todos

los grupos de países los vectores son estadísticamente signiﬁcativos.

En los grupos de países, la relación es signiﬁcativa y negativa, lo que

sugiere que estos se encuentran en una situación privilegiada para

reducir las emisiones contaminantes. Los resultados sin tiempo ﬁcti-

cio destacan que la fuerza del vector de cointegración es más fuerte

a medida que aumenta el nivel de desarrollo.

Tabla 7. Resultados del modelo PDOLS para grupos de países

Groups With time dummy Without time dummy

βit-Statistics βit-Statistics

IED DF IED DF IED DF IED DF

GLOBAL 0,01** 0,12** 3,52 8,84 0,01** 0,15** 3,72 9,36

PIEA -0,05** 0,08** -1,04 0,99 0,01** -0,02** 0,69 -0,42

PIA -0,01** -0,05** -0,82 -2,3 0,01** -0,01** 1,41 0,44

PIMA 0,02** 0,07** 1,41 1,21 0,04** 0,15** 3,15 1,64

PIMB 0,02** 0,08** 4,38 0,21 0,03** 0,07** 4,46 0,57

PIB 0,02** 0,10** 1,66 6,02 0,001** 0,15** 0,81 8,34

PIEB 0,01** 0,13** -0,001 3,66 0,002** 0,31** 0,04 7,22

4.6 |Prueba de causalidad de Dumitrescu

y Hurlin (2012)

Los resultados de la prueba de causalidad del tipo Granger cal-

culada sobre la base de la prueba propuesta por Dumitrescu y Hurlin

(2012) se presentan en la Tabla 8. En los países de altos ingresos, paí-

ses de ingresos medios altos y países de ingresos bajos existe una

causalidad unidireccional entre las emisiones de gases contaminan-

tes per cápita y la inversión extranjera directa. En los países de ingre-

sos medianos bajos existe una causalidad bidireccional que va des-

de las emisiones contaminantes de CO2 al desarrollo ﬁnanciero y en

los países de ingresos bajos una relación de causalidad unidireccional

que va del desarrollo ﬁnanciero a las emisiones de CO2. En los países

de ingresos extremos bajos existe una relación de causalidad unidi-

reccional que va de las inversiones extranjeras directas al desarrollo

ﬁnanciero.

Al-mulali y Sab (2012) los resultados muestran que los indica-

dores de desarrollo ﬁnanciero y el crecimiento del PIB tenían una

relación causal positiva con el consumo total de energía primaria y

las emisiones de CO2. Esto indica que el consumo total de energía

primaria aumentó el desarrollo ﬁnanciero y el crecimiento del PIB en

las economías investigadas con una alta consecuencia de contamina-

ción. Además, las funciones de respuesta al impulso y el análisis de

descomposición de la varianza revelaron que se espera que el impac-

to de la IED y el comercio total sea de una magnitud cada vez más

limitada. Estos resultados tienen implicaciones importantes para las

decisiones de política gubernamental relacionadas con la reducción

de las emisiones de CO2.

5|CONCLUSIONES E IMPLICACIO-

NES DE POLÍTICA

La contaminación ambiental expuesta principalmente por las

emisiones de CO2 ha aumentado en gran escala, por lo que es con-

veniente la participación tanto del gobierno como de instituciones

medioambientales. Por lo tanto, el principal objetivo de esta inves-

tigación fue examinar los efectos de la inversión extranjera directa

y el desarrollo ﬁnanciero en las emisiones de CO2 a nivel mundial y

por grupos de países para 160 países durante 1970-2016 a través de

técnicas de cointegración con datos de panel. De acuerdo a las esti-

maciones realizadas se obtuvo a través de la prueba de cointegración

Efectos de l ainversión extranjera directa y el desarrollo ﬁnanciero en las emisiones .....

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

Tabla 8. Resultados de la prueba de causalidad basada en Dumitrescu y Hurlin

Dirección Causal Grupos W-bar Z-bar p-value

CO2 →IED

GLOBAL 1,46 4,17 0

PIEA 1,03 0,06 0,95

PIA 2,22 4,16 0

PIMA 2,45 3,56 0

PIMB 0,65 -1,15 0,25

PIB 1,42 2,41 0,01

PIEB 1,26 1,11 0,26

CO2 ←IED

GLOBAL 1,02 0,22 0,81

PIEA 1,8 1,26 0,2

PIA 0,89 -0,34 0,73

PIMA 0,88 -0,29 0,77

PIMB 0,41 -1,94 0,05

PIB 1,22 1,29 0,19

PIEB 1,06 0,25 0,8

CO2 →DF

GLOBAL 1,33 2,95 0

PIEA 0,44 -0,87 0,38

PIA 1,55 1,86 0,06

PIMA 0,92 -0,19 0,84

PIMB 1,78 2,59 0

PIB 1,17 0,97 0,33

PIEB 1,46 1,91 0,05

CO2 ←DF

GLOBAL 1,56 5,05 0

PIEA 0,88 -0,18 0,85

PIA 1,17 0,58 0,56

PIMA 0,88 -0,27 0,78

PIMB 2,74 5,77 0

PIB 1,82 4,65 0

PIEB 0,92 -0,3 0,76

IED →DF

GLOBAL 1,59 5,32 0

PIEA 1,06 0,1 0,91

PIA 1,53 1,82 0,06

PIMA 1,81 2 0,04

PIMB 1,33 1,12 0,26

PIB 1,21 1,23 0,21

PIEB 2,51 6,22 0

IED ←DF

GLOBAL 1,1 0,98 0,32

PIEA 0,93 -0,1 0,91

PIA 0,7 -1,01 0,31

PIMA 0,97 -0,06 0,94

PIMB 0,98 -0,05 0,95

PIB 1,26 1,52 0,12

PIEB 1,24 0,99 0,32

de Pedroni (1999) y Westerlund (2007) la existencia de un equi-

librio a largo plazo entre las variables. Para determinar la fuerza del

vector de cointegración para cada país individual y para cada grupo

de países, estimamos un modelo DOLS y PDOLS con y sin efectos de

tiempo, respectivamente. En general, los resultados muestran que en

la mayoría de los países la fuerza del vector de cointegración es fuer-

te, aunque en algunos países la relación es negativa. Finalmente, los

resultados de la prueba de causalidad muestran que existe en los paí-

ses de altos ingresos, países de ingresos medios altos y países de in-

gresos bajos una causalidad unidireccional entre las emisiones de ga-

ses contaminantes per cápita y la inversión extranjera directa. En los

países de ingresos medianos bajos existe una causalidad bidireccio-

nal que va desde las emisiones contaminantes de CO2 al desarrollo

ﬁnanciero y en los países de ingresos bajos una relación de causalidad

unidireccional que va del desarrollo ﬁnanciero a las emisiones de CO2.

Los países de ingresos extremos bajos existen una relación de causa-

lidad unidireccional que va de las inversiones extranjeras directas al

desarrollo ﬁnanciero. El articulo presento limitaciones en cuando a la

elaboración y discusión de resultados ya que no existen documentos

con las técnicas actuales utilizadas. Finalmente, para las extensiones

del artículo se debería tomar en cuenta que el desarrollo ﬁnanciero

puede estructurarse en varias variables ﬁnancieras para un completo

cálculo econométrico.

En las implicaciones de política se debe de tomar en cuenta que

por lo general en el mundo desarrollado las inversiones extranjeras

directas aportan a la reducción de las emisiones de CO2 en todas las

etapas. Por lo tanto, los países desarrollados o de altos ingresos debe-

rían transferir sus tecnologías respetuosas con el medio ambiente a

los países en desarrollo para salvar el medio ambiente de la degrada-

ción y el consumo de recursos naturales. Esto sugiere que los países

Efectos de l ainversión extranjera directa y el desarrollo ﬁnanciero en las emisiones .....

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

de ingresos medios deberían alentar a las empresas a adoptar tec-

nologías respetuosas con el medio ambiente no solo para mejorar la

producción nacional, sino también para reducir las emisiones de CO2.

Aparte los países de ingresos medios deberían introducir una combi-

nación de políticas entre los enfoques obligatorios y no obligatorios.

Los enfoques obligatorios y no obligatorios se deben usar a través

de la prueba de comando y control con incentivos económicos para

las reglamentaciones ambientales. El enfoque no obligatorio debería

aplicarse inicialmente en ciertas industrias o en determinados secto-

res, y una vez probado su éxito, se debería aplicar a una escala más

amplia para el medio ambiente. Los países de bajos ingresos deberían

hacer cumplir estrictas leyes ambientales y alentar el uso de tecnolo-

gías respetuosas con el medio ambiente para mejorar la producción

nacional. También es necesario tomar medidas necesarias para dejar

de otorgar licencias a industrias contaminantes como el cemento, las

empresas de yeso y las fundiciones que emiten más emisiones de

CO2 en forma comparativa. La política debe introducirse ofreciendo

más incentivos a las empresas contaminantes para que cumplan con

las normas legales de emisiones e incorporen los factores económi-

cos y los factores ambientales en sus decisiones.

Referencias bibliográﬁcas

[1] Akaike, H. (1974). A new look at the statistical model

identiﬁcation. IEEE Transactions on Automatic Control,

19(6), 716-723.

[2] Abbasi, F., & Riaz, K. (2016). CO2 emissions and ﬁnan-

cial development in an emerging economy: An augmen-

ted VAR approach. Energy Policy, 90, 102-114.

[3] Abdouli, M., & Hammami, S. (2017). Economic growth,

FDI inﬂows and their impact on the environment: an em-

pirical study for the MENA countries. Quality & Quan-

tity, 51(1), 121-146.

[4] Abdouli, M., & Hammami, S. (2016). The dynamic links

between environmental quality, foreign direct invest-

ment, and economic growth in the Middle Eastern and

North African Countries (MENA Region). Journal of the

Knowledge Economy, 1-21.

[5] Agurto, A., Castro, A., & Cartuche, I. (2018). Relación

entre inversión extranjera directa y crecimiento econó-

mico a nivel global: datos de panel. Revista Vista Econó-

mica, 5(1), 35-46.

[6] Alvarado, R., & Toledo, E. (2017). Environmental degra-

dation and economic growth: evidence for a developing

country. Environment, Development and Sustainability,

19(4), 1205-1218.

[7] Al-mulali, U. (2012). Factors aﬀecting CO2 emission in

the Middle East: A panel data analysis. Energy, 44(1),

564-569.

[8] Al-Mulali, U., & Sab, C. N. B. C. (2012). The impact of

energy consumption and CO2 emission on the econo-

mic growth and ﬁnancial development in the Sub Saha-

ran African countries. Energy, 39(1), 180-186.

[9] Baek, J. (2016). A new look at the

FDI–income–energy–environment nexus: dynamic

panel data analysis of ASEAN. Energy Policy, 91,

22-27.

[10] Behera, S. R., & Dash, D. P. (2017). The eﬀect of urba-

nization, energy consumption, and foreign direct invest-

ment on the carbon dioxide emission in the SSEA (South

and Southeast Asian) region. Renewable and Sustaina-

ble Energy Reviews, 70, 96-106.

[11] Bekhet, H. A., Matar, A., & Yasmin, T. (2017). CO2 emis-

sions, energy consumption, economic growth, and ﬁ-

nancial development in GCC countries: Dynamic simul-

taneous equation models. Renewable and Sustainable

Energy Reviews, 70, 117-132.

[12] Breitung, J. (2002). Nonparametric tests for unit roots

and cointegration. Journal of Econometrics, 108(2),

343-363.

[13] Chang, S. C. (2015). Threshold eﬀect of foreign direct

investment on environmental degradation. Portuguese

Economic Journal, 14(1-3), 75-102.

[14] Charfeddine, L., & Khediri, K. B. (2016). Financial deve-

lopment and environmental quality in UAE: Cointegra-

tion with structural breaks. Renewable and Sustainable

Energy Reviews, 55, 1322-1335.

[15] Desbordes, R., & Wei, S. J. (2014). The eﬀects of ﬁ-

nancial development on foreign direct investment. The

World Bank.

[16] Dickey, D., Fuller, W. A., 1981. Likelihood ratio statistics

for autoregressive time series with a unit root. Econo-

metrica, 49, 1057-1072.

[17] Dumitrescu, E. I., & Hurlin, C. (2012). Testing for Gran-

ger non-causality in heterogeneous panels. Economic

Modelling, 29(4), 1450-1460.

[18] Farhani, S., & Solarin, S. A. (2017). Financial develop-

ment and energy demand in the United States: new

evidence from combined cointegration and asymmetric

causality tests. Energy, 134, 1029-1037.

Efectos de l ainversión extranjera directa y el desarrollo ﬁnanciero en las emisiones .....

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

[19] Farhani, S., & Ozturk, I. (2015). Causal relationship bet-

ween CO2 emissions, real GDP, energy consumption,

ﬁnancial development, trade openness, and urbaniza-

tion in Tunisia. Environmental Science and Pollution Re-

search, 22(20), 15663-15676.

[20] Gokmenoglu, K., Ozatac, N., & Eren, B. M. (2015). Rela-

tionship between industrial production, ﬁnancial deve-

lopment and carbon emissions: The case of Turkey. Pro-

cedia Economics and Finance, 25, 463-470.

[21] González, D., & Martínez, M. (2012). Decomposition

analysis of CO2 emissions in the Mexican industrial sec-

tor. Energy for Sustainable Development, 16(2), 204-

215.

[22] Grossman, G.M., Krueger, A.B., 1991. Environmental Im-

pacts of a North American Free Trade Agreement. Natio-

nal Bureau of Economic Research, Working Paper Nro,

p. 3914.

[23] Hajilary, N., Shahi, A., & Rezakazemi, M. (2018). Eva-

luation of socio-economic factors on CO2 emissions in

Iran: Factorial design and multivariable methods. Jour-

nal of Cleaner Production, 189, 108-115.

[24] Hao, Y., & Liu, Y. M. (2015). Has the development of

FDI and foreign trade contributed to China’s CO 2 emis-

sions? An empirical study with provincial panel data. Na-

tural Hazards, 76(2), 1079-1091.

[25] Hausman, J. A. (1978). Speciﬁcation tests in econome-

trics. Econometrica: Journal of the Econometric Society,

1251-1271.

[26] Im, K. S., Pesaran, M. H., & Shin, Y. (2003). Testing for

unit roots in heterogeneous panels. Journal of Econo-

metrics, 115(1), 53-74.

[27] Jiang, X., & Guan, D. (2016). Determinants of global

CO2 emissions growth. Applied energy, 184, 1132-

1141.

[28] Jumbo, B., & López, M. (2018). Relación entre la inver-

sión extranjera directa y el desempleo: Un enfoque con

técnicas de cointegración para los países de la CAN. Re-

vista Vista Económica, 5(1), 56-63.

[29] López, D., & Rocano, J. (2018). Efecto de la inversión ex-

tranjera directa en el desempleo a nivel global. Revista

Vista Económica, 5(1), 64-72.

[30] Khan, A. Q., Saleem, N., & Fatima, S. T. (2018). Financial

development, income inequality, and CO 2 emissions

in Asian countries using STIRPAT model. Environmental

Science and Pollution Research, 25(7), 6308-6319.

[31] Kivyiro, P., & Arminen, H. (2014). Carbon dioxide emis-

sions, energy consumption, economic growth, and fo-

reign direct investment: Causality analysis for Sub-

Saharan Africa. Energy, 74, 595-606.

[32] Koçak, E., & Şarkgüneşi, A. (2018). The impact of fo-

reign direct investment on CO2 emissions in Turkey:

new evidence from cointegration and bootstrap causa-

lity analysis. Environmental Science and Pollution Re-

search, 25(1), 790-804.

[33] Levin, A., Lin, C. F., & Chu, C. S. J. (2002). Unit root tests

in panel data: asymptotic and ﬁnite-sample properties.

Journal of Econometrics, 108(1), 1-24.

[34] Maddala, G. S., & Wu, S. (1999). A comparative study

of unit root tests with panel data and a new simple

test. Oxford Bulletin of Economics and Statistics, 61(S1),

631-652.

[35] Mert, M., & Bölük, G. (2016). Do foreign direct invest-

ment and renewable energy consumption aﬀect the

CO 2 emissions? New evidence from a panel ARDL ap-

proach to Kyoto Annex countries. Environmental Scien-

ce and Pollution Research, 23(21), 21669-21681.

[36] Omri, A., Nguyen, D. K., & Rault, C. (2014). Causal in-

teractions between CO2 emissions, FDI, and economic

growth: Evidence from dynamic simultaneous-equation

models. Economic Modelling, 42, 382-389.

[37] Ozturk, I. (2017). Measuring the impact of alternative

and nuclear energy consumption, carbon dioxide emis-

sions and oil rents on speciﬁc growth factors in the

panel of Latin American countries. Progress in Nuclear

Energy, 100, 71-81.

[38] Pao, H. T., & Tsai, C. M. (2011). Multivariate Granger

causality between CO2 emissions, energy consumption,

FDI (foreign direct investment) and GDP (gross domes-

tic product): evidence from a panel of BRIC (Brazil,

Russian Federation, India, and China) countries. Energy,

36(1), 685-693.

[39] Pedroni, P. (1999). Critical values for cointegration tests

in heterogeneous panels with multiple regressors. Ox-

ford Bulletin of Economics and Statistics, 61(S1), 653-

670.

[40] Pedroni, P. (2001). Purchasing power parity tests in coin-

tegrated panels. Review of Economics and Statistics,

83(4), 727-731.

[41] Phillips, P., Perron, P. (1988). Testing for a unit root in

time series regression. Biometrica, 75, 335-346.

Efectos de l ainversión extranjera directa y el desarrollo ﬁnanciero en las emisiones .....

Vol.9-N°1, Enero - Junio 2021

p-ISSN:2602-8204 |e-ISSN 2737-6257

[42] Salahuddin, M., Alam, K., Ozturk, I., & Sohag, K.

(2017). The eﬀects of electricity consumption, econo-

mic growth, ﬁnancial development and foreign direct in-

vestment on CO2 emissions in Kuwait. Renewable and

Sustainable Energy Reviews.

[43] Salahuddin, M., Gow, J., & Ozturk, I. (2015). Is the long-

run relationship between economic growth, electricity

consumption, carbon dioxide emissions and ﬁnancial

development in Gulf Cooperation Council Countries ro-

bust?. Renewable and Sustainable Energy Reviews, 51,

317-326.

[44] Sbia, R., Shahbaz, M., & Hamdi, H. (2014). A contribu-

tion of foreign direct investment, clean energy, trade

openness, carbon emissions and economic growth to

energy demand in UAE. Economic Modelling, 36, 191-

197.

[45] Shaﬁk, N., Bandyopadhyay, S., 1992. Economic Growth

and Environmental Quality: Time-series and Cross-

country Evidence, Vol. 904. World Bank Publications,

Washington D.C.

[46] Shahbaz, M., Hye, Q. M. A., Tiwari, A. K., & Leitão, N.

C. (2013). Economic growth, energy consumption, ﬁ-

nancial development, international trade and CO2 emis-

sions in Indonesia. Renewable and Sustainable Energy

Reviews, 25, 109-121.

[47] Shahbaz, M., Nasreen, S., Abbas, F., & Anis, O. (2015).

Does foreign direct investment impede environmental

quality in high-, middle-, and low-income countries?.

Energy Economics, 51, 275-287.

[48] Shahbaz, M., Shahzad, S. J. H., Ahmad, N., & Alam, S.

(2016). Financial development and environmental qua-

lity: The way forward. Energy Policy, 98, 353-364.

[49] Shahbaz, M., Solarin, S. A., Mahmood, H., & Arouri, M.

(2013). Does ﬁnancial development reduce CO2 emis-

sions in Malaysian economy? A time series analysis. Eco-

nomic Modelling, 35, 145-152.

[50] Shahbaz, M., Tiwari, A. K., & Nasir, M. (2013). The ef-

fects of ﬁnancial development, economic growth, coal

consumption and trade openness on CO2 emissions in

South Africa. Energy Policy, 61, 1452-1459.

[51] Solarin, S. A., Al-Mulali, U., Musah, I., & Ozturk, I. (2017).

Investigating the pollution haven hypothesis in Ghana:

an empirical investigation. Energy, 124, 706-719.

[52] Sung, B., Song, W. Y., & Park, S. D. (2018). How foreign

direct investment aﬀects CO2 emission levels in the Chi-

nese manufacturing industry: Evidence from panel data.

Economic Systems.

[53] Tang, C. F., & Tan, B. W. (2015). The impact of energy

consumption, income and foreign direct investment on

carbon dioxide emissions in Vietnam. Energy, 79, 447-

454.

[54] Timmer, Y. (2018). Cyclical investment behavior across

ﬁnancial institutions. Journal of Financial Economics.

[55] Westerlund, J. (2007). Testing for error correction in pa-

nel data. Oxford Bulletin of Economics and Statistics,

69(6), 709-748.

[56] Wooldridge, J.M., 2002. Econometric Analysis of Cross

Section and Panel Data. MIT Press, Cambridge, MA.

[57] World Bank, 2017. World Development In-

dicators. Washington D.C. Available on.

https://data.worldbank.org/data-catalog/world-

development-indicators.

[58] Xiong, L., Tu, Z., & Ju, L. (2017). Reconciling Regional

Diﬀerences in Financial Development and Carbon Emis-

sions: A Dynamic Panel Data Approach. Energy, 105,

2989-2995.

[59] Yildirim, E. (2014). Energy use, CO 2 emission and fo-

reign direct investment: Is there any inconsistence bet-

ween causal relations?. Frontiers in Energy, 8(3), 269-

278.

[60] Zhang, Y. J. (2011). The impact of ﬁnancial develop-

ment on carbon emissions: An empirical analysis in Chi-

na. Energy Policy, 39(4), 2197-2203.

[61] Zhang, C., & Zhou, X. (2016). Does foreign direct invest-

ment lead to lower CO2 emissions? Evidence from a

regional analysis in China. Renewable and Sustainable

Energy Reviews, 58, 943-951.

[62] Zhou, C., Wang, S., & Feng, K. (2018). Examining the so-

cioeconomic determinants of CO 2 emissions in China:

A historical and prospective analysis. Resources, Con-

servation and Recycling, 130, 1-11.

[63] Ziaei, S. M. (2015). Eﬀects of ﬁnancial development in-

dicators on energy consumption and CO2 emission of

European, East Asian and Oceania countries. Renewa-

ble and Sustainable Energy Reviews, 42, 752-759.

[64] Zugravu-Soilita, N. (2017). How does foreign direct in-

vestment aﬀect pollution? Toward a better understan-

ding of the direct and conditional eﬀects. Environmen-

tal and Resource Economics, 66(2), 293-338.