نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری علوم اقتصادی، دانشکده اقتصاد، دانشگاه تبریز

2 استادیار و عضو هیئت علمی دانشکده اقتصاد، دانشگاه تبریز

3 دانشیار و عضو هیئت علمی دانشکده اقتصاد، دانشگاه تبریز

چکیده

تدوین سیاست­های مؤثر بر کاهش شدت (افزایش بهره‌وری) انرژی نیازمند مطالعه کامل عوامل مؤثر بر آن است. از طرفی طی سال‌های اخیر، مصرف نهایی انرژی بخش صنعت در بین بخش‌های مختلف مصرف در ایران افزایش زیادی داشته است. هدف این مطالعه بررسی عوامل مؤثر بر شدت انرژی در صنایع کارخانه‌ای ایران به‎ویژه اثر متغیرهای مخارج عمرانی دولت و سرمایه‌گذاری مستقیم خارجی بر شدت انرژی در این صنایع به تفکیک استان و کنترل اثرات سرریز فضایی بین آن‎ها با استفاده از داده‌های تابلویی 28 استان کشور طی دوره 1379 تا 1393 می‌باشد. به‌منظور بررسی وجود اثرات سرریز فضایی از آزمون‌های Wald، LR و Panel (Robust) LM استفاده شده است و پس از تائید وجود اثرات فضایی و نوع آن، مدل دوربین فضایی (SDM) جهت بررسی شدت انرژی انتخاب شده است. مطابق نتایج، قیمت انرژی، سهم مالکیت خصوصی و مخارج عمرانی دولت اثر منفی بر شدت انرژی داشته‌اند درحالی‌که متغیرهای نسبت صادرات به ارزش افزوده و نسبت سرمایه به نیروی کار دارای اثر مثبت بر شدت انرژی بوده‌اند. سرمایه‌گذاری مستقیم خارجی نیز اثر معناداری بر روی شدت انرژی نداشته است. این نتایج لزوم توجه بیشتر به اتخاذ فناوری‌های بالاتر تولید در سرمایه‌گذاری‌ها و تأثیر دولت در تغییرات شدت انرژی را بیان می‌کنند ضمن اینکه امکان استفاده از سیاست‌های مرتبط با غنی‌سازی همسایه در جهت افزایش بهره‌وری انرژی را نیز متصور می‌سازد.

کلیدواژه‌ها

عنوان مقاله [English]

Energy Intensity in Iranian Provincial Manufacturing Industries; Investigating the Effects of Government Expenditures and Foreign Direct Investment Using Spatial Econometric Models

نویسندگان [English]

  • seyed mehdi mousavian 1
  • Zahra Karimi Takanlu 2
  • seyed kamal sadeghi 3
  • Mohsen Pourebadollahan Covich 3

1 Assistant Professor of Economics, University of Tabriz

2 Ph.D. Student of Economics, University of Tabriz

3 Associate Professor of Economics, University of Tabriz

چکیده [English]

The formulation of effective energy efficiency (reducing the energy intensity) policies requires study of the factors affecting energy intensity. The final consumption of energy in the manufacturing sector of Iran has grown significantly in recent years. The purpose of this study was to investigate the factors affecting the energy intensity in the manufacturing industries of Iran, especially the effect of government expenditures and foreign direct investment on the energy intensity in these industries and controlling the spillover effects between provinces using provincial panel data of Iran from 2000 to 2014. Based on Panel (Robust) LM, Wald and LR tests, Spatial Durbin Model (SDM) has been used to investigate the spillover impact effects of energy intensity. According to the results, energy prices, private ownership and government capital expenditures have a negative effect on energy intensity, while export-value added and capital-labor ratios have a positive impact on energy intensity. Foreign direct investment also did not have a significant effect on energy intensity. These results call for greater attention to the adoption of higher production technologies in investment and the role of the government in energy intensity changes. The results indicate possibility of using neighboring enrichment policies to increase energy efficiency.

کلیدواژه‌ها [English]

  • Government
  • Energy
  • Foreign Direct Investment
  • Spatial Effects
امینی، علیرضا و یزدی پور، فرزانه (1387)، «تحلیل عوامل مؤثر بر بهره‌وری انرژی در کارگاه‌های بزرگ صنعتی ایران»، پژوهشنامه اقتصادی، دوره 8، شماره 3، صص 104-71.
آرمن، سید عزیز و تقی زاده، سمیرا (1392)، «بررسی عوامل مؤثر بر شدت انرژی در صنایع کارخانه‌ای ایران»، پژوهشنامه اقتصاد انرژی ایران، سال دوم، شماره 8، صص 20-1.
شهبازی، کیومرث؛ حکمتی فرید، صمد و رضایی، هادی (1396)، «بررسی تأثیر اندازه و کیفیت دولت بر شدت انرژی در کشورهای منتخب OECD»، فصلنامه مطالعات اقتصاد انرژی، سال 13، شماره 52، صص 152-119.
صادقی، سید کمال و سجودی، سکینه (1390)، «مطالعه عوامل مؤثر بر شدت انرژی در بنگاه‌های صنعتی ایران»، فصلنامه مطالعات اقتصاد انرژی، دوره 8، شماره 29، صص 180-163.
کریمی تکانلو، زهرا، صادقی، سید کمال؛ پورعبادالهان کویچ، محسن؛ موسویان، سید مهدی (1395)، «بررسی همگرایی باشگاهی در کارایی انرژی صنایع کارخانه­ای استان­های ایران با استفاده از ماتریس احتمال انتقال مارکوف فضای»، فصلنامه مطالعات اقتصاد انرژی، دوره 12، شماره 51، صص 179-151.
ناجی میدانی، علی اکبر؛ مهدوی عادلی، محمد حسین و عربشاهی دلویی، مهدیه (1394)،«بررسی رابطه بین صنعتی شدن و کارایی انرژی بخش صنعت در ایران»، سیاست‌گذاری اقتصادی، سال هفتم، شماره 13، صص56-27.
معاونت برنامه‌ریزی وزارت نیرو (1391)، ترازنامه انرژی ایران، تهران.
معاونت برنامه‌ریزی وزارت نیرو (1392)، ترازنامه انرژی ایران، تهران.
بانک مرکزی ایران WWW.CBI.IR.
سازمان سرمایه­گذاری و کمک­های اقتصادی و فنی ایران www.investiniran.ir.
مرکز آمار ایران www.amar.org.ir.
Adetutu, M. O. (2014). Energy Efficiency and Capital-Energy Substitutability: Evidence from Four OPEC Countries.Applied Energy, Vol.119, pp. 363-370.
Adom, P. K. (2015a). چDeterminants of Energy Intensity in South Africa: Testing for Structural Effects in Parameters. Energy, Vol. 89, pp. 334-346.
Adom, P. K. (2015b). Business Cycle and Economic-Wide Energy Intensity: The Implications for Energy Conservation Policy in Algeria. Energy, Vol. 88, pp. 334-350.
Adom, P. K. (2015c). Asymmetric Impacts of the Determinants of Energy Intensity in Nigeria. Energy Economics, Vol. 49, pp. 570-580.
Andrews-Speed, P. (2009). China's Ongoing Energy Efficiency Drive: Origins, Progress and Prospects. Energy policy, Vol. 37, Issue. 4, pp. 1331-1344.
Anselin L (1988). Spatial Econometrics: Methods and Models. Kluwer, Dordrecht.
Anselin, L., Bera A.K, Florax, R., Yoon M.J. (1996). Simple Diagnostic Tests for Spatial Dependence.Reg Sci Urban Econ, Vol. 26, Issue. 1, pp. 77–104.
Anselin, L., Le Gallo J., Jayet H. (2006). Spatial Panel Econometrics. In: Matyas L, Sevestre P (eds)The Econometrics of Panel Data, Fundamentals and Recent Developments in Theory andPractice, 3rd edn. Kluwer, Dordrecht, pp. 901–969.
Anselin L., Gallo J.L., Jayet, H. (2008). Spatial Panel Econometrics. In: Mátyás L., Sevestre P. (eds) The Econometrics of Panel Data. Advanced Studies in Theoretical and Applied Econometrics, Vol 46. pp. 625-660. Springer, Berlin, Heidelberg.
Antweiler, W., Copeland, B. R., and Taylor, M. S. (2001). Is Free Trade Good for the Environment?. American Economic Review, Vol. 91, Issue. 4, pp. 877-908.
Baltagi, B. H., Song, S. H., and Koh, W. (2003). Testing Panel Data Regression Models with Spatial Error Correlation. Journal of Econometrics, Vol. 117, Issue. 1, pp. 123-150.
Boyd, G. A., and Pang, J. X. (2000). Estimating the Linkage between Energy Efficiency and Productivity. Energy policy, Vol. 28, Issue. 5, pp. 289-296.
Bronzini, R., and Piselli, P. (2009). Determinants of Long-Run Regional Productivity with Geographical Spillovers: The Role of R&D, Human Capital and Public Infrastructure. Regional Science and Urban Economics, Vol. 39, Issue. 2, pp. 187-199.
Burridge P (1980), On the Cliff-Ord Test for Spatial Autocorrelation. J R Stat Soc B, Vol. 42, pp. 107–108.
Chang, T. P., and Hu, J. L. (2010). Total-Factor Energy Productivity Growth, Technical Progress, and Efficiency Change: An Empirical Study of China. Applied Energy, Vol. 87, Issue. 10, pp. 3262-3270.
Cole, M. A. (2006). Does Trade Liberalization Increase National Energy Use?. Economics Letters, Vol. 92, Issue. 1, pp. 108-112.
Elhorst JP (2014), Matlab Software for Spatial Panels. Int Reg Sci Rev, Vol. 37, Issue. 3, pp. 389–405.
Elhorst, J. P. (2010). Applied Spatial Econometrics: Raising the Bar. Spatial Economic Analysis, Vol. 5, Issue. 1, pp. 9-28.
Fischer, M. M., and Getis, A. (Eds.). (2009). Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications. Springer Science and Business Media.
Fisher-Vanden, K., Jefferson, G. H., Jingkui, M., and Jianyi, X. (2006). Technology Development and Energy Productivity in China". Energy Economics, Vol. 28, Issue. (5-6), pp. 690-705.
Grossman, G. M., and       Krueger, A. B. (1991).  Environmental Impacts of a North American Free Trade Agreement, National Bureau of Economic Research. No. w3914.
Halkos, G. E., and Paizanos, E. Α. (2013). The Effect of Government Expenditure on the Environment: An Empirical Investigation. Ecological Economics, Vol. 91, pp. 48-56.
Halkos, G. E., and Paizanos, E. Α. (2016). The Effects of Fiscal Policy on CO2 Emissions: Evidence from the USA. Energy Policy, Vol. 88, pp. 317-328.
Herrerias, M. J., Cuadros, A., and Luo, D. (2016). Foreign Versus Indigenous Innovation and Energy Intensity: Further Research across Chinese Regions. Applied energy, Vol. 162, pp. 1374-1384.
Herrerias, M. J., Cuadros, A., and Orts, V. (2013). Energy Intensity and Investment Ownership across Chinese Provinces. Energy Economics, Vol. 36, pp. 286-298.
Jiang, L., Folmer, H., and Ji, M. (2014). The Drivers of Energy Intensity in China: A Spatial Panel Data Approach. China Economic Review, Vol. 31, pp. 351-360.
Lee L (2004), Asymptotic Distribution of Quasi-Maximum Likelihood Estimators for SpatialAutoregressive Models. Econometrica, Vol. 72, Issue. 6, pp. 1899-1925.
LeSage, J. P. (2015). Software for Bayesian Cross Section and Panel Spatial Model Comparison. Journal of Geographical Systems, Vol. 17, Issue. 4, pp. 297-310.
LeSage, J.P., Pace, R.K., (2009). Introduction to Spatial Econometrics. CRC Press, Boca Raton.
Lopez, R., Galinato, G. I., and Islam, A. (2011). Fiscal Spending and the Environment: Theory and Empirics. Journal of Environmental Economics and Management, Vol. 62, Issue. 2, pp. 180-198.
Manski CF (1993), Identification of Endogenous Social Effects: The Reflection Problem. Review of Economic Studies, Vol. 60, Issue. 3, pp. 531-542.
Mielnik, O., and Goldemberg, J. (2002). Foreign Direct Investment and Decoupling Between Energy and Gross Domestic Product in Developing Countries. Energy policy, Vol. 30, Issue. 2, pp. 87-89.
Miketa, A., and Mulder, P. (2005). Energy Productivity across Developed and Developing Countries in 10 Manufacturing Sectors: Patterns of Growth and Convergence. Energy Economics, Vol. 27, Issue. 3, pp. 429-453.
Mitra, A., Varoudakis, A., and Véganzonès‐Varoudakis, M. A. (2002). "Productivity and Technical Efficiency in Indian States’ Manufacturing: The Role of Infrastructure. Economic Development and Cultural Change, Vol. 50, Issue. 2, pp. 395-426.
Sun, J. (1999). The Nature of CO2 Emission Kuznets Curve. Energy policy, Vol. 27, Issue. 12, pp. 691-694.
Ting, Y. U. E., Yin, L. R., and Ying, Z. Y. (2011). Analysis of the FDI Effect on Energy Consumption Intensity in Jiangsu Province. Energy Procedia, Vol. 5, pp. 100-104.
Yu, H. (2012). The Influential Factors of China's Regional Energy Intensity and Its Spatial Linkages: 1988–2007. Energy Policy, Vol. 45, pp. 583-593.
Yuxiang, K., and Chen, Z. (2010). Government Expenditure and Energy Intensity in China. Energy Policy, Vol. 38, Issue. 2, pp. 691-694.
Zhang, D., Cao, H., and Wei, Y. M. (2016). Identifying the Determinants of Energy Intensity in China: A Bayesian averaging approach. Applied Energy, Vol. 168, pp. 672-682.
Zheng, Y., Qi, J., and Chen, X. (2011). The Effect of Increasing Exports on Industrial Energy Intensity in China. Energy Policy, Vol.  39, Issue. 5, pp. 2688-2698.