Does Militarization Lead to Air Pollution? Testing the Arms Versus Climate Hypothesis for the MENA Region
Subject Areas : environmental economy
1 -
Keywords:
Abstract :
According to the "arms versus climate" hypothesis proposed by Jorgenson et al. (2023), militarization can contribute to air pollution. In this context, the main objective of the present study is to test this hypothesis and answer the question: Has militarization led to an increase in CO₂ emissions in MENA countries during the period 2000–2022? Furthermore, based on the answer to this question, what appropriate environmental policies should countries in this region adopt regarding militarization in the future?.The research method is descriptive-analytical: the descriptive part is based on the documentary method, and the analytical part relies on econometric concepts. For this purpose, using a STIRPAT model to analyze factors influencing environmental degradation, this study examines the relationship between the Global Militarization Index and CO₂ emissions through empirical testing via the quantile panel regression method, using data from 16 MENA countries (including Iran).The results reveal that militarization has an insignificant effect on CO₂ emissions in lower quantiles (below the 25th percentile), but a significant and positive effect in higher quantiles (above the 25th percentile). This finding indicates that the positive impact of militarization on CO₂ emissions is not evident in MENA countries with lower air pollution levels, unlike countries with higher pollution levels.
Given that reducing militarization levels due to security concerns may be undesirable or unfeasible for many countries in the MENA region, those facing high levels of air pollution (such as Iran) should in the future utilize new technologies, invest in research and development, and adopt cleaner energy sources in their military activities to address climate change challenges.
پژوهش و فناوری محیطزیست، 1403،(16)9، 93-109
| |||
آیا نظامی‌سازی منجر به آلودگی هوا میشود؟ آزمون فرضیه اسلحه در مقابل آب‌وهوا برای کشورهای منطقه خاورمیانه و شمال آفریقا (منا)
|
|
| |
1. دانش آموخته دکتری اقتصاد بخش عمومی دانشگاه لرستان. | |
چکیده | اطلاعات مقاله |
بر اساس نظریه یورگنسون و همکاران (2023) تحت عنوان فرضیه اسلحه در مقابل آب‌وهوا، نظامی‌سازی می‌تواند منجر به آلودگی هوا شود. در این راستا، هدف اصلی پژوهش حاضر آزمون این فرضیه و پاسخ به این سؤال است که آیا نظامی‌سازی به افزایش انتشار CO2 در کشورهای منطقه منا طی سال‌های 2022-2000 منجر شده است؟ و این‌که با توجه به پاسخ این سؤال، کشورهای این منطقه بایستی در آینده چه سیاست محیط‌زیستی مناسبی را در قبال موضوع نظامی‌سازی در پیش گیرند؟ روش تحقیق، توصیفی تحلیلی است که در قسمت توصیف از روش اسنادی استفاده شده و بخش تحلیل متکی بر مفاهیم اقتصادسنجی است. به این منظور این مقاله با به‌کارگیری یک مدل STIRPAT در زمینه عوامل مؤثر بر تخریب محیطزیست و آزمون تجربی آن از طریق روش رگرسیون پانل کوانتایل با استفاده از داده‌های 16 کشور منطقه منا (شامل ایران) رابطه بین شاخص جهانی نظامی‌سازی و انتشار CO2 را بررسی می‌کند. نتایج نشان می‌دهد که نظامی‌سازی در کوانتایل‌های پایین (کمتر از 25th) اثر بی‌معنا و در کوانتایل‌های بیشتر از 25th، اثر مثبت و معنی‌دار بر انتشار CO2 دارد. این نتیجه به آن معناست که اثر مثبت نظامی‌سازی بر انتشار CO2 در کشورهای منطقه منا که از سطح آلودگی هوای کمتری برخوردارند (بر خلاف کشورها با آلودگی سطح بالا)، نمود پیدا نمی‌کند. با توجه به این‌که امکان کاهش در سطح نظامی‌سازی به‌دلیل مسائل امنیتی ممکن است برای بیشتر کشورهای منطقه منا نامطلوب و ناممکن باشد؛ بنابراین کشورهایی که با سطوح بالای آلودگی هوا در این منطقه مواجه هستند (مانند کشور ایران)، بایستی در آینده از فناوری‌های نوین، تحقیق و توسعه و منابع انرژی پاک‌تر در فعالیت‌های نظامی خود به‌منظور مقابله با تغییرات آب‌وهوایی استفاده کنند. | نوع مقاله: پژوهشی تاریخ دریافت: 22/01/1403 تاریخ پذیرش: 05/12/1403 دسترسی آنلاین: 25/12/1403
کلید واژه‌ها: نظامی‌سازی، آلودگی هوا، مدل STIRPAT، رگرسیون پانل کوانتایل، کشورهای منا |
| |
[1] *پست الکترونیکی نویسنده مسئول: golkhandana@gmail.com
Journal of Environmental Research and Technology, 9(16)2024. 93-109
|
Does Militarization Lead to Air Pollution? Testing the Arms Versus Climate Hypothesis for the MENA Region
Abolghasem Golkhandan1*1 1. PhD in Public Sector Economics, Department of Economics and Administrative Sciences, Lorestan University, Khoram Abad, Iran | ||
Article Info | Abstract | |
Article type: Research Article
Keywords: Militarization, Air Pollution, STIRPAT Model, Quantile Panel Regression, MENA Region | According to the "arms versus climate" hypothesis proposed by Jorgenson et al. (2023), militarization can contribute to air pollution. In this context, the main objective of the present study is to test this hypothesis and answer the question: Has militarization led to an increase in CO₂ emissions in MENA countries during the period 2000–2022? Furthermore, based on the answer to this question, what appropriate environmental policies should countries in this region adopt regarding militarization in the future?.The research method is descriptive-analytical: the descriptive part is based on the documentary method, and the analytical part relies on econometric concepts. For this purpose, using a STIRPAT model to analyze factors influencing environmental degradation, this study examines the relationship between the Global Militarization Index and CO₂ emissions through empirical testing via the quantile panel regression method, using data from 16 MENA countries (including Iran).The results reveal that militarization has an insignificant effect on CO₂ emissions in lower quantiles (below the 25th percentile), but a significant and positive effect in higher quantiles (above the 25th percentile). This finding indicates that the positive impact of militarization on CO₂ emissions is not evident in MENA countries with lower air pollution levels, unlike countries with higher pollution levels. | |
| ||
[1] * Corresponding author E-mail address: golkhandana@gmail.com
مقدمه
امروزه نظامی‌سازی تحت تأثیر پیشرفت‌های فناوریکی، توسعه زیربنایی، رقابت ژئوپلیتیک و گسترش نیروهای نظامی ادامه دارد (Bildirici, 2017). رقابت ژئوپلیتیکی و تهدیدات منطقه‌ای درک‌شده منجر به مسابقه تسلیحاتی بین کشورها و گسترش قابل‌توجه نظامی‌شدن برای به‌دست‌آوردن برتری منطقه‌ای و دستیابی به جدیدترین سلاح‌ها و فن‌آوری‌های جنگی شده است. این موضوع نه تنها پیامدهای اقتصادی دارد؛ بلکه منجر به تخریب محیطزیست نیز میشود (Pata et al., 2023). ابزارها و تجهیزات فنی و نیز آموزش پرسنل نظامی برای انطباق با فناوری‌های مدرن نظامی نیاز به مصرف انرژی بالایی دارند. علاوه بر این، استفاده از وسایل نقلیه نظامی پیشرفته با فناوری بالا و زیرساخت‌های وسیع آن‌ها باعث مصرف زیاد انرژی‌های تجدیدناپذیر و بالاخص نفت میشود (Clark et al., 2010). بهبود پویایی‌های فنی و علمی، به‌ویژه از زمان جنگ جهانی (دوم)، کشورها را به سمت ساختار نظامی سرمایه‌بر هدایت می‌کند که نیاز به مصرف انرژی بالا دارد (Bildirici, 2017). ارتش‌ها نه تنها مقدار زیادی کربن، بلکه زباله‌های سمی نیز تولید می‌کنند. با افزایش هزینه‌های نظامی، تخریب محیطزیست افزایش و ظرفیت زیستی موجود جمعیت کاهش می‌یابد (Bradford & Stoner, 2017).
در این راستا منطقه خاورمیانه و شمال آفریقا1 (MENA) را می‌توان بهعنوان یک نمونه خاص مورد بررسی قرار داد. این منطقه، جغرافیایی را در بر می‌گیرد که در آن، درگیری‌ها و بی‌ثباتی‌های سیاسی، اقتصادی و اجتماعی حاکم است. منطقه MENA عموماً متشکل از کشورهایی است که توسط رژیم‌های استبدادی اداره می‌شوند که در آن دولت‌های رانتی حاکم هستند. بهار عربی که در سال 2011 اتفاق افتاد و به شبه جزیره عربستان سرایت کرد از تونس آغاز شد. ایران که پس از انقلاب از غرب فاصله گرفته است، از آن زمان بهعنوان یک تهدید از سوی جهان غرب، با تحریم‌ها و نگرانی‌های امنیتی بالا مواجه شده است. اسرائیل که در سال 1948 تأسیس شد، پیوسته سیاست توسعه‌طلبانه را در منطقه دنبال کرده و سرزمین‌های فلسطینی را در این روند اشغال کرده است. مصر نیز سهم خود را از بهار عربی گرفت. دولت مرسی که با انتخابات دموکراتیک به قدرت رسید، با کودتای نظامی سیسی مواجه شد. نمونه‌های مختلفی از بی‌ثباتی در عربستان سعودی، کشور نسبتاً باثبات منطقه و نیز سایر کشورهای باقیمانده رخ داده است. در نتیجه، ساختارهای نظامی به‌طور مداوم در این منطقه در حال تقویت هستند و میزان نظامی‌سازی بیشتر این کشورها، مقدار قابل‌توجهی است (Türedi & Yildiz, 2022). بر اساس شاخص جهانی نظامی‌سازی2 (GMI) در سال 2022، که توسط وب‌سایت «مرکز بین‌المللی گفت‌و‌گو بن»3 (BICC) ارائه میشود،4 کشورهای اسرائیل، عمان، بحرین، عربستان، کویت و اردن بهترتیب با امتیازهای 2/363، 6/305، 8/300، 6/293، 2/284 و 3/279 در رتبه‌های اول، سوم، چهارم، ششم، نهم و دهم جهان قرار گرفته‌اند. بر اساس گزارش‌های بانک جهانی (2022) نیز در سال 1990، 8/0 میلیون تن گاز کربن دی‌اکسید (CO2) توسط کشورهای منطقه MENA منتشر شده و تنها با گذشت 31 سال، این میزان انتشار در سال 2020 به 4/2 میلیون تن افزایش یافته است (چیزی حدود بیش از 3 برابر). در بین کشورهای منطقه خاورمیانه بر اساس شاخص ردپای اکولوژیکی5 بهعنوان شاخص دیگری از تخریب محیطزیست، کشور قطر (رتبه 1) با امتیاز 13/13، ضعیف‌ترین عملکرد محیط‌زیستی را در فهرست کشورهای جهان داشته است و پس از آن کشورهای امارات (رتبه 3) با امتیاز 71/8، کویت (رتبه 4) با امتیاز 55/8، بحرین (رتبه 5) با امتیاز 18/8 و عمان (رتبه 14) با امتیاز 28/7 قرار گرفته‌اند (وب‌سایت شبکه ردپای جهانی6، 2022).
با توجه به توضیحات فوق، سؤالات اصلی پژوهش حاضر، به این صورت هستند که نظامی‌سازی چه تأثیری بر انتشار گاز CO2 در کشورهای منطقه منا طی سال‌های 2000-2022 داشته است؟ آیا این اثرگذاری در گروه کشورهای مختلف این منطقه از نظر میزان سطوح مختلف انتشار CO2، تفاوت معنیداری دارد؟ و این‌که کشورهای این منطقه بایستی در آینده چه سیاست محیط‌زیستی مناسبی را در قبال موضوع نظامی‌سازی در پیش گیرند؟ بیشتر مطالعات گذشته در زمینه نظامی‌سازی و کیفیت محیطزیست بر روی مفهومی به نام «نظریه تردمیل تخریب»7 متمرکزند (Khan et al., 2023: 3). تردمیل تخریب به پدیده‌ای جهانی اطلاق میشود که بر اساس آن فعالیت‌های/هزینه‌های نظامی جاری و گذشته و تعاملات اجتماعی-محیطی، منجر به تخریب چشم‌گیر محیطزیست میشود. این نظریه دلالت بر آن دارد که هم در شرایط صلح و هم در شرایط جنگ، فعالیت‌های نظامی باعث تخریب محیطزیست میشود (Clark & Jorgenson, 2012). هوکس و اسمیت8 (2004، 2005) اولین کسانی بودند که از نظریه تردمیل تخریب برای توضیح رابطه بین نظامی‌گری و پیامدهای محیط‌زیستی آن استفاده کردند (Husnain & Ali, 2023: 650). بر این اساس، یورگنسون و همکاران9 (2023) فرضیه‌ای تحت عنوان «اسلحه در مقابل آب‌وهوا»10 مطرح کردند که معتقد است نظامی‌سازی می‌تواند منجر به آلودگی هوا شود. نظامی‌سازی از طریق جنگ، آزمایش تسلیحات و مصرف انرژی به تخریب محیطزیست منجر میشود. جنگ به خودی خود، محیطزیست را از طریق سوزاندن زمین، استفاده از سلاح‌های بیولوژیکی و شیمیایی و کشتن گیاهان و جانوران، نابود می‌کند. عملیات و آزمایش‌های نظامی جهانی از موادی مانند آلومینیوم، مس، نیکل و پلاتین استفاده می‌کند که به آلودگی هوا و تخریب محیطزیست منجر میشود (گل‌خندان، 1397). اثرات محیط‌زیستی نظامی‌سازی به جنگ، درگیری‌های گسترده و آزمایش تسلیحات محدود نمی‌شود. به نام امنیت ملی و با انگیزه ژئوپلیتیک و «نظامی‌گرایی انتقال ریسک»11، نظامیان به‌طور مستمر روی فناوری‌های جدید در تسلیحات، حمل‌ونقل و سیستم‌های ارتباطی سرمایه‌گذاری می‌کنند. مقیاس زیرساخت‌های در حال تحول ارتش‌ها، از جمله سیستم‌های حمل‌ونقل برای جابه‌جایی افراد، تدارکات و تسلیحات از طریق زمین، هوا و آب در سراسر جهان، ابزارها و تجهیزات فنی، آموزش پرسنل نظامی برای انطباق با فناوری نظامی و فعالیت‌های تحقیق و توسعه مداوم، مصرف مقادیر قابل‌توجهی از اقلام مبتنی‌بر سوخت‌های فسیلی و نفت و همچنین سایر منابع مادی از فولاد گرفته تا پنبه را در بر می‌گیرد (Jorgenson et al., 2023). ارتش‌ها به رسم معمول تسلیحات و سیستم‌های حمل‌ونقل بزرگ‌تر و سریع‌تر را برای به‌دست آوردن مزیت‌های روشک و رقابتی در مسابقه‌های ژئوپلیتیکی در اولویت قرار می‌دهند. گزارش شده است که ماشین‌آلات و تجهیزات جنگی مانند زیردریایی‌ها، تانک‌ها، هواگردها، هواپیماها و بالگردها، بسیاری از منابع انرژی سوخت فسیلی از جمله نفت را مصرف می‌کنند Bildirici, 2017; Husnain & Ali, 2023)). هواپیماهای جنگنده مدرن، مانند F-15 و F-16، 1500 تا 1700 گالن سوخت در ساعت می‌سوزانند؛ بالگردهای نظامی به ازای هر مایل طی‌شده تقریباً پنج گالن سوخت و ناوهای هواپیمابر غیرهسته‌ای نزدیک به 6000 گالن سوخت در هر ساعت مصرف می‌کنند (Jorgenson & Clark, 2016). این ویژگی‌های سرمایه‌بر و مقیاس نظامی‌سازی، همگی به‌طور مستقیم یا غیرمستقیم به انتشار گازهای گلخانه‌ای و اشکال مختلف تخریب محیطزیست می‌انجامد (Smith & Lengefeld, 2020). نظامی‌سازی می‌تواند به‌طور غیرمستقیم نیز از طریق کانال رشد اقتصادی، کیفیت محیطزیست را متأثر کند. به‌طور خلاصه و طبق استدلال یورگنسون و همکاران (2023: 424)، ترتیبات پیچیده و در حال تحول بین ارتش‌های جهان و بخش خصوصی، رابطه بین انتشار کربن ملی و رشد اقتصادی را شکل می‌دهد. بر این اساس انتظار بر آنست که تأثیر رشد اقتصادی بر انتشار گازهای گلخانه‌ای برای کشورهایی که ارتش‌های بزرگ‌تر (نرخ مشارکت نظامی) و سرمایه‌برتری (هزینه‌های نظامی به ازای هر سرباز) دارند، بیشتر باشد. در واقع نظامی‌سازی با گسترش مقیاس اقتصادی به افزایش انتشار گازهای گلخانه‌ای و تخریب محیطزیست منجر میشود.
اگرچه قسمت عمده‌ای از مبانی نظری و تحقیقات مختلف به تأثیر نامطلوب و منفی نظامی‌سازی بر محیطزیست اشاره می‌کنند؛ اما برخی از محققان به تأثیرات مطلوب نظامی‌سازی اشاره کرده‌اند. بهعنوان مثال، سولارین و همکاران12 (2018) استدلال می‌کنند که پذیرش فناوری‌ها در فرآیند نظامی‌سازی به کاهش مصرف منابعی کمک می‌کند که بر کیفیت محیطزیست تأثیر منفی می‌گذارد. یا این‌که اولله و همکاران13 (2021) بیان می‌کنند که دولت هند "گردان‌های ارتش سرزمینی محیط‌زیستی"14 را برای استفاده انحصاری در حفاظت از محیطزیست معرفی کرده است. چنین گردان‌هایی با جلوگیری از بیابان‌زایی در مناطق تخریب‌شده کوهپایه‌های هیمالیا و تپه‌های Mussoorie، جلوگیری از فرسایش خاک با ساخت سدها و استفاده از انرژی‌های پاک مانند خورشید و گاز حاصل از فضولات گاو، نقش فعالی در حفاظت از کیفیت محیطزیست هند ایفا می‌کنند.
در جدول (1) پیوست‌ها اهم مطالعات تجربی انجام‌شده در زمینه موضوع تحقیق ارائه شده است. مرور پیشینه پژوهش حاکی از آنست که مطالعه حاضر حداقل از دو جنبه اساسی با این مطالعات تجربی متمایز و دارای نوآوری است. اول آن‌که، در این مطالعه به‌منظور اندازه‌گیری نظامی‌سازی از شاخص جهانی نظامی‌سازی (GMI) که توسط «مرکز بین‌المللی گفت‌و‌گو بن» (BICC) ارائه شده و برای اولین بار به‌طور عینی نظامی‌سازی را در سراسر جهان به تصویر کشیده، استفاده شده است. GMI، هزینه‌های نظامی یک کشور را با تولید ناخالص داخلی (GDP) و هزینه‌های بهداشتی و همچنین، تعداد کل نیروهای نظامی و شبه نظامی در یک کشور را با تعداد پزشکان و جمعیت مقایسه می‌کند. در نهایت، این شاخص، تعداد سلاح‌های سنگین موجود در اختیار نیروهای مسلح یک کشور را نیز بررسی می‌کند (گل‌خندان و محمدیان منصور، 1402). بنابراین شاخص GMI بهعنوان یک شاخص جامع و کامل دربرگیرنده تمام ابعاد نظامی‌سازی شامل هزینه‌ها، پرسنل و تسلیحات است و بر خلاف سایر مطالعات تجربی انجام‌شده محدود به بعد خاصی از نظامی‌سازی نیست. دومین وجه تمایز مهم این مطالعه آنست که به‌منظور برآورد مدل از روش پانل کوانتایل استفاده می‌کند. مهم‌ترین ویژگی این روش، برآورد تأثیر متغیرهای مستقل در چندک‌های گوناگون (علاوه بر مرکز ثقل داده‌ها) است. بر این اساس دقت برآورد افزایش می‌یابد و می‌توان نتیجه برآورد در هر گروه چندکی را به‌صورت جداگانه مشاهده کرد. بنابراین، پژوهش‌گر و سیاست‌گذار به‌خوبی می‌تواند دریابد که تأثیر این متغیرها در کدام چندک بیشتر و یا کمتر است.
مواد و روش‌ها
مدل این پژوهش برگرفته از مدل «تأثیر تصادفی رگرسیون بر جمعیت، ثروت و فناوری»15 (STIRPAT) است که در مطالعه دیتز و روزا16 (1997) پایه‌ریزی شده است. این مدل، نسخه به روز مدل IPAT است که توسط ارلیچ و هولدرن17 (1971) در بررسی تأثیر فعالیت‌های انسانی بر محیطزیست ارائه شده است. مدل IPAT یک معادله حسابداری استاندارد است که در بررسی اثرات محیط‌زیستی (انتشار گاز کربن‌دی‌اکسید (CO2)) (I: CO2) از طریق سه عامل متمایز جمعیت کل (P: POP)، ثروت )تولید ناخالص داخلی سرانه (GDP)) (A: GDP) و فناوری (سهم مصرف انرژی‌های تجدیدپذیر (EC)) (T: EC) استفاده میشود:
(1)
مدل STIRPAT با گنجاندن جزء تصادفی و رفع محدودیت رابطه تناسبی بین متغیرها در مدل فوق، عملکرد IPAT را بهبود می‌بخشد:
(2)
در رابطه فوق، 
عبارت ثابت، i و t بهترتیب مقاطع (کشورها) و بازه زمانی، 
، 
و 
پارامترهای PAT و 
باقیمانده مدل (جزء خطای تصادفی) است (Ayad et al., 2023). شایان ذکر است که مدل STIRPAT را می‌توان با اضافه کردن شاخص‌های بیشتر، تغییر شکل و توسعه داد (Liu et al., 2022). برای تبدیل معادله (2) به فرم جمع‌پذیر، بایستی این معادله را بهشکل لگاریتمی18 بازنویسی کنیم تا بتوان کشش‌های مربوط به پارامترها را برآورد کرد:
(3)
با تکیه بر این مدل نظری، مدل تجربی این پژوهش با اضافه نمودن شاخص نظامی‌سازی (M) (بهعنوان هدف و موضوع اصلی این تحقیق) و مجذور GDP (به‌منظور بررسی تأیید و یا عدم تأیید برقراری فرضیه منحنی محیط‌زیستی کوزنتس19 (EKC))، به‌صورت زیر تدوین شده است:
(4)
همچنین، i نشان‌دهنده 16 کشور منطقه خاورمیانه (i=1,…,16) که اطلاعات و داده‌های آماری آن‌ها در دسترس است (شامل کشورهای: یمن، اردن، لبنان، بحرین، تونس، عمان، لیبی و مراکش، اسرائیل، کویت، عراق و الجزایر، امارات، مصر، عربستان و ایران)، t نشان‌دهنده بازه‌ی زمانی پژوهش (2022-2000) و 
جزء خطای معادله رگرسیونی است. در جدول (1) به‌طور خلاصه متغیرها، نماد، شاخص و نحوه اندازه‌گیری به‌همراه منبع جمع‌آوری داده‌های هر متغیر و علامت انتظاری ضریب برآوردی آن نشان داده شده است.
جدول (1) متغیرها و منابع داده‌ها | |||||
متغیر | نماد | شاخص و نحوه اندازه‌گیری | منبع | علامت انتظاری | |
آلودگی هوا | CO2 | میزان انتشار دی‌اکسید کربن (بر حسب کیلو تن) | وب‌سایت WDI | متغیر وابسته | |
جمعیت | POP | جمعیت کل (بر حسب نفر) | وب‌سایت WDI | مثبت | |
درآمد سرانه | GDP | تولید ناخالص داخلی سرانه (بر حسب دلار و به قیمت‌های ثابت سال 2015) | وب‌سایت WDI | مثبت | |
مجذور درآمد سرانه | GDP2 | مجذور تولید ناخالص داخلی سرانه (بر حسب دلار و به قیمت‌های ثابت سال 2015) | محاسبات محقق | منفی | |
مصرف انرژی تجدیدپذیر | EC | سهم مصرف انرژی تجدیدپذیر از کل مصرف انرژی نهایی (بر حسب درصد) | وب‌سایت WDI | منفی | |
نظامی‌سازی | M | شاخص جهانی نظامی‌سازی با مقیاس 0-500 (مقادیر بالاتر نشان‌دهنده نظامی‌سازی بیشتر است و دربرگیرنده سه مؤلفه هزینه، پرسنل و سلاح‌های سنگین است) | وب‌سایت BICC | مثبت | |
کونکر و باست20 (1978)، رگرسیون استاندارد را با پیشنهاد رگرسیون کوانتایل (چندک) گسترش دادند. با اجرای یک تصویر کامل از توزیع شرطی، رگرسیون چندکی نتایج مناسبی را برای نویسندگان تشریح می‌کند؛ بر خلاف رگرسیون استاندارد که تنها میانگین شرطی را اندازه‌گیری می‌کند. در واقع انگیزه اصلی به‌کارگیری رگرسیون چندک این است که با نگاهی دقیق و جامع در ارزیابی متغیر پاسخ، مدلی ارائه شود تا امکان دخالت متغیرهای مستقل، نه‌تنها در مرکز ثقل داده‌ها، بلکه در تمام قسمت‌های توزیع به‌ویژه در دنباله‌های ابتدایی و انتهایی فراهم شود، بدون این‌که با محدودیت مفروضات رگرسیون معمولی، واریانس ناهمسانی و حضور تأثیرگذار داده‌های دورافتاده در برآورد ضرایب روبه‌رو باشیم. در رگرسیون کوانتایل بر خلاف رگرسیون معمولی از حداقل نمودن مجموع قدرمطلق باقیمانده‌های موزون برای برآورد پارامتر الگو استفاده میشود که به آن روش حداقل قدر مطلق انحرافات21 (LAD) گفته میشود (سرگل‌زایی و همکاران، 1401: 19-18).
با در نظر گرفتن مدل رگرسیون خطی به‌صورت: 
، تابع کوانتایل شرطی 
ام توزیع y به شرط متغیرهای تصادفی x را می‌توان به‌صورت زیر نمایش داد:
(5)
در ساختار رگرسیون چندکی، تأثیر ویژگی‌های قابل مشاهده بر توزیع شرطی از طریق فرآیند حداقل‌سازی قدرمطلق عنصر خطا برآورد میشود. برای تعیین ضرایب مدل از حداقل‌سازی مقدار قدرمطلق خطاها با توزین مناسب و به‌صورت رابطه زیر استفاده میشود:
(6) |
| ||||||||||
(8) |
| ||||||||||
کوانتایل | کشور |
گروه کوانتایل پائین‌تر از 10th | یمن |
گروه کوانتایل بین 10th و 25th | اردن، لبنان، بحرین و تونس |
گروه کوانتایل بین 25th و 50th | عمان، لیبی و مراکش |
گروه کوانتایل بین 50th و 75th | اسرائیل، کویت، عراق و الجزایر |
گروه کوانتایل بین 75th و 90th | امارات و مصر |
گروه کوانتایل بالاتر از 90th | عربستان و ایران |
یافته‌های پژوهش
در شکل (1)، توزیع آماری متغیر وابسته تحقیق و در شکل (2) میانگین متغیرهای انتشار CO2 و نظامی‌سازی طی دوره‌ی زمانی تحقیق در کشورهای مورد مطالعه ارائه شده است. بر این اساس در بین کشورهای مورد مطالعه بیشترین میزان میانگین انتشار CO2 بهترتیب متعلق به کشورهای ایران (521 هزار کیلو تن)، عربستان (422 هزار کیلو تن)، مصر (189 هزار کیلو تن)، امارات (152 هزار کیلو تن) و الجزایر (122 هزار کیلو تن) بوده است که نشان می‌دهد این 5 کشور از نظر میزان مطلق شاخص آلودگی هوا در بین کشورهای مورد مطالعه در رتبه‌های بالایی قرار دارند. کشورهای یمن، اردن، لبنان، بحرین و تونس از این نظر بهترتیب کم‌ترین میزان انتشار CO2 را به خود اختصاص داده‌اند. میانگین انتشار CO2 در کل نمونه نیز حدود 12 هزار کیلو تن بوده است. بیشترین میزان متوسط شاخص نظامی‌سازی در بین کشورهای مورد مطالعه بهترتیب به اسرائیل (با امتیاز 479)، عمان (با امتیاز 445) و عربستان (با امتیاز 419) و کم‌ترین میزان آن بهترتیب به تونس (با امتیاز 191)، ایران (با امتیاز 252) و عراق (با امتیاز 262) تعلق داشته است. میانگین شاخص جهانی نظامی‌سازی در کل نمونه نیز امتیازی در حدود 339 بوده است. بر اساس آماره جارک-برا و سطح احتمال ارائه‌شده آن نیز میزان انتشار CO2 در سطح اطمینان 99 درصد از توزیع نرمال برخوردار نیست. یکی از دلایل اصلی برآورد مدل به روش رگرسیون کوانتایل آنست که توزیع متغیر وابسته (انتشار CO2)، نامتقارن باشد.
شکل (1) نمودار توزیع احتمال و آماره‌های توصیفی متغیر انتشار CO2
|
|
شکل (2) میانگین انتشار CO2 (بر حسب کیلو تن) و شاخص جهانی نظامی‌سازی طی سال‌های 2000-2022 در کشورهای منطقه منا
در گام نخست، آزمونهای وابستگی مقطعی شامل آزمونهای LM بروش پاگان، CD پسران و LM تعدیل‌شده، انجام و نتایج این آزمون‌ها در جدول (3) گزارش شده است. با توجه به مقدار آماره هر یک از این آزمون‌ها و سطوح احتمال محاسبه‌شده، فرضیه صفر عدم وابستگی مقطعی، رد و وابستگی مقطعی بین متغیرها و لزوم استفاده از آزمونهای ریشه واحد و هم‌انباشتگی پانلی نسل دوم به‌منظور بررسی رابطه بلندمدت بین متغیرها تأیید میشود.
جدول (3) نتایج آزمونهای وابستگی مقطعی بین اعضای پانل
متغیر | آزمون LM | آزمون LM تعدیل‌شده | آزمون CD پسران | نتیجه آزمون وابستگی مقطعی | |||||||
آماره | p-value | آماره | p-value | آماره | p-value | ||||||
LogCO2 | ***442/1561 | 000/0 | ***645/92 | 000/0 | ***846/33 | 000/0 | تأیید | ||||
LogP | ***526/2491 | 000/0 | ***718/152 | 000/0 | ***826/49 | 000/0 | تأیید | ||||
LogGDP | ***697/1046 | 000/0 | ***454/59 | 000/0 | ***611/6 | 000/0 | تأیید | ||||
LogGDP2 | ***840/1049 | 000/0 | ***657/59 | 003/0 | ***572/6 | 111/0 | تأیید | ||||
LogEC | ***249/1512 | 000/0 | ***094/88 | 000/0 | ***968/18 | 000/0 | تأیید | ||||
LogM | ***339/728 | 000/0 | ***868/38 | 000/0 | ***422/10 | 000/0 | تأیید | ||||
علامت *** بیان‌گر سطح معنیداری در 1 درصد است.
حال با توجه به اثبات وابستگی مقطعی بین متغیرهای مدل، از آماره CIPS پسران26 (2007) برای بررسی وجود یا فقدان ریشه واحد استفاده شده است. نتایج این آزمون برای تمام متغیرها، یک‌بار با وجود عرض از مبدأ (C) و یک‌بار با وجود عرض از مبدأ و روند زمانی (C+T) در سطح و با یک تفاضل در قسمت بالای جدول (4) آمده است. بر اساس این نتایج و مقادیر بحرانی ارائه‌شده توسط پسران (2007: 281-280) در قسمت پایین جدول (4)، نتیجه گرفته میشود که در سطح اطمینان 99 درصد به جز متغیر جمعیت کل (LogP)، سایر متغیرهای مدل در سطح نامانا هستند. این متغیرها با یک‌بار تفاضل‌گیری به‌صورت مانا (ایستا) درآمده‌اند؛ بنابراین از درجه مانایی واحد یعنی I(1) برخوردارند.
جدول (4) نتایج آزمون ریشه واحد پسران (2007)
علائم *و *** بهترتیب بیان‌گر سطح معنیداری در 10 و 1 درصد است.
با توجه به وجود متغیرهای نامانا در مدل، در گام بعدی بایستی وجود رابطه بلندمدت بین متغیرهای مدل با استفاده از آزمون هم‌انباشتگی پانل بوت‌استراپ LM وسترلاند و ادجرتون27 (2007) بررسی شود. نتایج این آزمون در جدول (5) ارائه شده است. بر اساس نتایج، فرضیه صفر این آزمون مبنی‌بر هم‌انباشتگی بین متغیرهای مدل را نمی‌توان رد کرد و بنابراین وجود رابطه تعادلی بلندمدت بین متغیرهای مدل، تأیید و احتمال بروز رگرسیون کاذب، منتفی است.
جدول (5) نتایج آزمون هم‌انباشتگی پانل بوت‌استراپ LM وسترلاند و ادجرتون (2007)
حالت | |||
عرض از مبدأ (C) | عرض از مبدأ و روند (C+T) | ||
آماره LM | p-value بوت‌استراپ | آماره LM | p-value بوت‌استراپ |
811/5 | 000/1 | 019/10 | 000/1 |
نتایج برآورد مدل تحقیق به روش رگرسیون پانل کوانتایل در جدول (6) ارائه شده است.
جدول (6) نتایج برآورد مدل به روش رگرسیون پانل کوانتایل
| متغیرها |
| |||||
کوانتایل | مشخصه برآوردی | LogP | LogGDP | LogGDP2 | LogEC | LogM | Pseudo R2 |
10th | ضریب | ***043/1 | ***912/5 | ***318/0- | ***224/0- | 119/0- | 758/0 |
آماره t | 062/34 | 259/24 | 612/19- | 060/11- | 234/0- | ||
p-value | 000/0 | 000/0 | 000/0 | 000/0 | 815/0 | ||
25th | ضریب | ***024/1 | ***311/6 | ***312/0- | ***194/0- | 127/0 | 776/0 |
آماره t | 661/34 | 351/13 | 452/11- | 309/10- | 463/0 | ||
p-value | 000/0 | 000/0 | 000/0 | 000/0 | 644/0 | ||
50th | ضریب | ***985/0 | ***491/4 | ***217/0- | ***193/0- | *008/1 | 806/0 |
آماره t | 099/48 | 439/7 | 107/6- | 396/20- | 806/1 | ||
p-value | 000/0 | 000/0 | 000/0 | 000/0 | 072/0 | ||
75th | ضریب | ***961/0 | ***026/3 | ***141/0- | ***213/0- | ***578/1 | 819/0 |
آماره t | 919/64 | 691/3 | 617/2- | 522/16- | 220/16 | ||
p-value | 000/0 | 000/0 | 001/0 | 000/0 | 000/0 | ||
90th | ضریب | ***014/1 | ***831/4 | ***239/0- | ***235/0- | ***998/0 | 839/0 |
آماره t | 191/61 | 692/8 | 942/6- | 569/15- | 039/4 | ||
p-value | 000/0 | 000/0 | 000/0 | 000/0 | 000/0 | ||
علائم *و *** بهترتیب بیان‌گر سطح معنیداری در 10 و 1 درصد است
بر اساس نتایج جدول (6) تأثیر جمعیت کل (P) بر انتشار CO2 در تمام سطوح کوانتایل 10th، 25th، 50th، 75th و 90th مثبت و معنی‌دار است و تأیید می‌کند که افزایش جمعیت کل منجر به گسترش انتشار CO2 در تمام کشورهای مورد مطالعه میشود. بر این اساس، یک‌درصد افزایش در جمعیت کل، میزان انتشار CO2 را کوانتایل‌های 10th، 25th، 50th، 75th و 90th بهترتیب حدود 04/1، 02/1، 99/0، 96/0 و 01/1 درصد افزایش خواهد داد. نتیجه به‌دست‌آمده کاملاً مطابق انتظار است؛ چرا که عامل انسانی و رشد جمعیت از عوامل مهم آلودگی هوا است.
تأثیر تولید ناخالص داخلی سرانه (GDP) بهعنوان شاخص رشد اقتصادی و مجذور آن (GDP2) بر انتشار CO2 در تمام سطوح کوانتایل 10th، 25th، 50th، 75th و 90th بهترتیب مثبت (و معنی‌دار) و منفی (و معنی‌دار) است که تأییدکننده فرضیه محیط‌زیستی کوزنتس (EKC) در تمام کشورهای مورد مطالعه است. در واقع با افزایش رشد اقتصادی، در مراحل اولیه توسعه اقتصادی به‌دلیل عوامل مختلف مانند اولویت بالای تولید و اشتغال نسبت به‌محیط‌زیست پاک، پایین بودن فناوری تولید، پایین بودن سطح آگاهی‌های محیط‌زیستی و ...، انتشار CO2 و تخریب محیطزیست افزایش و پس از رسیدن به یک حد آستانه (نقطه ماکزیمم)، با افزایش رشد اقتصادی، انتشار CO2 کاهش می‌یابد (رابطه U معکوس) که دلیل آن می‌تواند بالا رفتن سطح فناوری تولید، افزایش آگاهی‌های محیط‌زیستی، تصویب و اجرای قوانین سخت‌گیرانه محیط‌زیستی و ... باشد (گل‌خندان و معظمی‌نژاد، 1399: 159). این سطح آستانه با مشتق‌گیری از رابطه (9) بر حسب GDP و با توجه به مقادیر ضرایب برآوردی در هر کوانتایل، از طریق رابطه زیر به‌دست می‌آید:
در رابطه فوق، 
و 
بهترتیب ضرایب برآوردی LogGDP و LogGDP2 در کوانتایل 
است. بر این اساس سطح آستانه (ماکزیمم) EKC در کوانتایل‌های مختلف در جدول (7) ارائه شده است.
جدول (7) نقطه بازگشت (سطح آستانه) EKC در کوانتایل‌های مختلف
کوانتایل | 10th | 25th | 50th | 75th | 90th |
سطح آستانه | 10829 | 24587 | 30946 | 45706 | 24343 |
مأخذ: یافته‌های تحقیق
تأثیر مصرف انرژی‌های تجدیدپذیر (EC) بر انتشار CO2 در تمام سطوح کوانتایل 10th، 25th، 50th، 75th و 90th منفی و معنی‌دار است. یک‌درصد افزایش در این متغیر، میزان انتشار CO2 را کوانتایل‌های 10th، 25th، 50th، 75th و 90th بهترتیب حدود 22/0، 19/0، 19/0، 21/0 و 24/0 درصد کاهش خواهد داد. این نتیجه نشان می‌دهد که که افزایش مصرف انرژی تجدیدپذیر منجر به کاهش انتشار CO2 در تمام کشورهای مورد مطالعه میشود و شدت این اثرگذاری کاهشی در کوانتایل پایانی که آلودگی هوا در بالاترین سطح ممکن است، بیشتر است. بر این اساس می‌توان گفت که انرژی‌های تجدیدپذیر بهعنوان یک منبع انرژی پاک و عاری از هرگونه آلودگی محیط‌زیستی می‌توانند نقش مهمی در کاهش انتشار گاز CO2 و در نتیجه کاهش آلودگی هوا در کشورهای منطقه منا داشته باشد.
تأثیر نظامی‌سازی (m) بر انتشار CO2 در کوانتایل‌های 10th و 25th از لحاظ آماری بی‌معنا و در کوانتایل‌های 50th، 75th و 90th مثبت و بهترتیب در سطوح 10، 1 و 1 درصد معنی‌دار است. این نتیجه به آن معناست که اثر مثبت نظامی‌سازی بر انتشار CO2 در کشورهای منطقه منا که از آلودگی هوای کمتری برخوردارند (کوانتایل اول و دوم)، نمود پیدا نمی‌کند. اما یک‌درصد افزایش در نظامی‌سازی، میزان انتشار CO2 را کوانتایل‌های 50th، 75th و 90th بهترتیب حدود 01/1، 58/1 و 00/1 درصد افزایش خواهد داد. بر این اساس می‌توان گفت که اثرگذاری مثبت نظامی‌سازی بر آلودگی هوا در کوانتایل چهارم بیشتر است.
ضریب تعیین رگرسیون برآوردی برای کوانتایل‌های اول تا پنجم، بین 76/0 تا 84/0 مثبت است. همچنین بر اساس نتایج دو آزمون برابری ضرایب شیب و تقارن، می‌توان در سطح معنی داری 5درصد فرضیه صفر این دو آزمون مبنی‌بر برابر بودن ضرایب شیب در بین کوانتایل‌ها و متقارن بودن ضرایب در رگرسیون کوانتایل را رد کرد که نتایج به‌منظور صرفه‌جویی ارائه نشده‌اند.
بحث و نتیجه‌گیری
هدف اصلی این مقاله آزمون فرضیه اسلحه در مقابل آب و هوا و پاسخ به این سؤال است که آیا نظامی‌سازی منجر به افزایش انتشار CO2 در کشورهای منطقه منا طی سال‌های 2022-2000 شده است؟ به این منظور این مقاله با به‌کارگیری یک مدل STIRPAT در زمینه عوامل مؤثر بر محیطزیست و آزمون تجربی آن از طریق روش رگرسیون پانل کوانتایل با استفاده از داده‌های 16 کشور منطقه منا (شامل ایران) رابطه بین شاخص جهانی نظامی‌سازی و انتشار CO2 را بررسی کرده است. بر اساس نتایج به‌دست‌آمده تأثیر جمعیت کل بر انتشار CO2 در تمام سطوح کوانتایل 10th، 25th، 50th، 75th و 90th مثبت و معنی‌دار است و تأیید می‌کند که افزایش جمعیت کل منجر به گسترش انتشار CO2 در کشورهای منطقه منا میشود. این نتیجه هم‌سو با نتایج مطالعات تجربی متعددی مانند: آیاد و همکاران (2023)، خان و همکاران (2023) و گل‌خندان و معظمی‌نژاد (1398) است و نشان می‌دهد که جمعیت بالاتر مستلزم مصرف انرژی بیشتر است و در نتیجه آلودگی و تخریب محیطزیست را به همراه دارد. تأثیر تولید ناخالص داخلی سرانه بهعنوان شاخص رشد اقتصادی و مجذور آن بر انتشار CO2 در تمام سطوح کوانتایل 10th، 25th، 50th، 75th و 90th بهترتیب مثبت (و معنی‌دار) و منفی (و معنی‌دار) است که تأییدکننده فرضیه محیط‌زیستی کوزنتس (EKC) در تمام کشورهای مورد مطالعه است. از آنجا که بسیاری از کشورهای منطقه منا در شاخه صعودی منحنی EKC قرار دارند، لذا باید تلاش شود تا رشد اقتصادی بالاتر که مستلزم استفاده از انرژی بیشتر بهعنوان یکی از مهم‌ترین عوامل تولید است، با ایجاد و تقویت انرژی‌های پاک صورت بگیرد. نتایج مطالعات متعددی نظیر قیوم و همکاران (2021)، آیاد و همکاران (2023) و گل‌خندان و معظمی‌نژاد (1398) نیز حاکی از تأیید فرضیه EKC در کشورهای منطقه منا است. تأثیر مصرف انرژی‌های تجدیدپذیر (EC) بر انتشار CO2 در تمام سطوح کوانتایل 10th، 25th، 50th، 75th و 90th منفی و معنی‌دار است. نتیجه به‌دست‌آمده مطابق انتظار تئوریک است؛ چراکه استفاده و بهره‌برداری از انرژی‌های تجدیدپذیر مزایایی مانند نامحدود بودن،
پاک و تمیز بودن، تجدیدپذیر بودن، مقرون به صرفه بودن و در نهایت کاهش تخریب محیط زیست را به‌همراه دارد. تأثیر نظامی‌سازی (m) بر انتشار CO2 در کوانتایل‌های 10th و 25th از لحاظ آماری بی‌معنا و در کوانتایل‌های 50th، 75th و 90th مثبت و بهترتیب در سطوح 10، 1 و 1 درصد معنی‌دار است. این نتیجه به آن معناست که اثر مثبت نظامی‌سازی بر انتشار CO2 در کشورهای منطقه منا که از آلودگی هوای کمتری برخوردارند (کوانتایل اول و دوم)، نمود پیدا نمی‌کند. اما یک‌درصد افزایش در نظامی‌سازی، میزان انتشار CO2 را کوانتایل‌های 50th، 75th و 90th بهترتیب حدود 01/1، 58/1 و 00/1 درصد افزایش خواهد داد. بر این اساس می‌توان گفت که اثرگذاری مثبت نظامی‌سازی بر آلودگی هوا در کوانتایل چهارم بیشتر است.
نتایج به‌دست‌آمده برای نظامی‌سازی و انتشار CO2 از تئوری تردمیل تخریب برای کشورهای کوانتایل‌های میانی و بالا پشتیبانی می‌کند که نشان می‌دهد در این کشورها نظامی‌سازی منجر به تخریب و فشار بر محیطزیست میشود. تأثیر مثبت نظامی‌سازی بر تخریب محیطزیست در مطالعات گوناگونی نظیر: بیلدیریکی (2017)، قیوم و همکاران (2021)، توردی و ییلدیز (2022)، آیاد و همکاران (2023)، یورگنسون و همکاران (2023)، ژو و همکاران (2024) و گل‌خندان (1398) نتیجه‌گیری شده است. دلایل گوناگونی را برای این موضوع می‌توان برشمرد: افزایش تقاضای برای استفاده از زمین برای پایگاه‌ها و اشکال دیگر تأسیسات نظامی، مصرف قابل‌توجه سوخت‌های فسیلی توسط نیروهای مسلح در جهت حرکت نیروها، آموزش، توسعه، آزمایش، استقرار و حفاظت از وسایل نقلیه و تجهیزات و ماشین‌آلات نظامی جدید و... . با توجه به تأثیر مخرب نظامی‌سازی در انتشار CO2، در نگاه اول به‌نظر می‌رسد انتقال منابع از بخش دفاعی به بخش‌های دیگری مانند نوآوری، آموزش، فناوری اطلاعات و ارتباطات و زیرساخت‌ها مهم است. اما از آن‌جه که امکان کاهش هزینه‌های نظامی در بیشتر کشورهای منطقه منا به دلایل روشن امکان‌پذیر نیست، این کشورها باید از منابع انرژی پاک‌تر و فناوری‌های نوین در فعالیت‌های نظامی برای مقابله با تغییرات آب و هوایی استفاده کنند. بر این اساس بایستی تغییراتی در ترکیب انرژی بخش نظامی که مصرف سوخت‌های فسیلی به‌ویژه نفت بر آن حاکم است، ایجاد شود. همچنین، از آنجایی که مخارج سرمایه‌ای نظامی معمولاً با معرفی فناوری جدید توسط بخش نظامی همراه است، توصیه میشود که این جنبه از هزینه‌های نظامی افزایش یابد. بنابراین، استفاده از منابع انرژی تجدیدپذیر جای‌گزین برای حمل و نقل نظامی و تمرینات نظامی باید مورد توجه قرار گیرد و تولید تجهیزات نظامی با انرژی کارآمد، ترویج شود و تحقیق و توسعه در مورد تجهیزات نظامی و حمل و نقل بهبود یابد. مطالعات آتی می‌توانند نتایج اصلی این تحقیق را با بررسی تأثیر نظامی‌سازی بر سایر شاخص‌های محیط‌زیستی مانند جنگل‌زدایی، ردپای اکولوژیکی و انتشار سایر گازهای گلخانه‌ای مورد آزمون مجدد قرار دهند. همچنین، ارزیابی این‌که آیا متغیرهای دیگری نظیر مصرف انرژی می‌توانند بر رابطه مخارج دفاعی-انتشار CO2 تأثیر بگذارند، مهم خواهد بود.
منابع
· سرگل‌زایی، علی؛ لطفعلی‌پور، محمدرضا و صالح‌نیا، نرگس. (1401). بررسی تاثیر رانت منابع طبیعی و حکمرانی خوب بر رفاه کشورهای درحال‌توسعه: پدیده نفرین رفاه و رویکرد رگرسیون کوانتایل. نظریه‌های کاربردی اقتصاد، 9(2)، 1-34.
· گل‌خندان، ابوالقاسم. (1397). نظامی‌سازی و آلودگی هوا: مطالعه کشورهای قدرتمند جهان با استفاده از تحلیل‌های هم‌جمعی پانلی. مطالعات علوم محیط زیست، 3(4)، 823-830.
· گل‌خندان، ابوالقاسم و محمدیان‌منصور، صاحبه (1402). نقش نهادها و وفور منابع طبیعی بر رابطه نظامی‌سازی و رشد اقتصادی: مطالعه کشورهای درحال‌توسعه با معرفی شاخص جهانی نظامی‌سازی (GMI). سیاست‌های مالی واقتصادی، ۱۱(۴۲)، ۱۷۳-۲۲۱.
· گل خندان، ابوالقاسم و معظمی‌نژاد، فاطمه. (1399). تأثیر رشد اقتصادی، جمعیت، مصرف انرژی و تجارت بر کیفیت محیطزیست درکشورهای منطقه منا. پژوهش‌های محیط زیست، 11(21)، 157-168.
· Alexander, M., Harding, M., Lamarche, C. (2011). Quantile regression for time-series cross-section data. International Journal of Statistics and Management System, 6(1-2), 47-72.
· Asongu, S.A. & Ndour, C.T. (2023). Military Expenditure, governance, and environmental degradation in Sub-Saharan Africa. Environmental Processes, 10(4). DOI: 10.1007/s40710-023-00662-7
· Ayad, H., Sari-Hassoun, S.E., Usman, M. & Ahmad, P. (2023). The impact of economic uncertainty, economic growth and energy consumption on environmental degradation in MENA countries: Fresh insights from multiple thresholds NARDL approach. Environmental Science and Pollution Research, 30, 1806-1824. DOI: 10.1007/s11356-022-22256-w
· Bildirici, M. (2017a). CO2 emissions and militarization in G7 countries: panel co-integration and trivariate causality approaches. Environment and Development Economics, 22(6), 771-791.
· Bradford, J.H. & Stoner, A.M. (2017). The treadmill of destruction in comparative perspective: A panel study of military spending and carbon emissions, 1960–2014. Journal of World Systems Research. 23(2), 298-325.
· Clark, B., Jorgenson, A.K. & Kentor, J. (2010). Militarization and energy consumption: A test of treadmill of destruction theory in comparative perspective. International Journal of Sociology, 40(2), 23-43.
· Clark, B. & Jorgenson, A.K. (2012). The treadmill of destruction and the environmental impacts of militaries. Sociology Compass, 6, 557-569. https://doi.org/10.1111/ J.1751-9020.2012.00474.X
· Damette, O., Delacote, P. (2012). On the economic factors of deforestation: what can we learn from quantile analysis? Economic Modelling, 29(6), 2427-2434.
· Dietz, T. & Rosa, E.A. (1997). Effects of population and affluence on CO2 emissions. Proceedings of the National Academy of Sciences. 94, 175-179. https://doi.org/10.1073/PNAS.94.1.175
· Dogan, E., Altinoz, B. & Tzeremes, P. (2020). The analysis of ‘Financial Resource Curse’ hypothesis for developed countries: Evidence from asymmetric effects with quantile regression. Resources Policy, 68. https://doi.org/10.1016/j.resourpol.2020.101773
· Erdogan, S., Gedikli, A., Çevik, E.İ., & Öncü, M.A. (2022). Does military expenditure impact environmental sustainability in developed Mediterranean countries? Environmental Science and Pollution Research. https://doi.org/10.1007/s11356-021-18226-3
· Ehrlich, P.R. & Holdren, J.P. (1971(. Impact of population growth. Science, 171, 1212-1217. https://doi.org/10.1126/SCIENCE.171.3977.1212/ASSET/703D82DC
· Galvao, A.F. & Kato, K. (2016). Smoothed quantile regression for panel data, Journal of Econometrics. 193(1), 92–-112.
· Hooks, G. & Smith, C.L (2004). The treadmill of destruction: national sacrifice areas and Native Americans. American Sociological Review, 69(4), 558-575.
· Hooks, G. & Smith, C. L. (2005). Treadmills of production and destruction: threats to the environment posed by militarism. Organization & environment, 18(1), 19-37.
· Husnain, M. & Ali, W. (2023). Nexus among militarization, economic development, FDI, stock market development and renewable energy usage and CO2 emissions. Pakistan Journal of Commerce and Social Sciences, 17(3), 646-676.
· Jorgenson, A.K., Clark, B. & Givens, J.E. (2012). The environmental impacts of militarization in comparative perspective: an overlooked relationship. Nature and Culture, 7(3), 314-337. DOI: 10.3167/nc.2012.070304
· Jorgenson, A.K., Clark, B. & Mahutga, M.C. (2023). Guns versus climate: How militarization amplifies the effect of economic growth on carbon emissions. American Sociological Review, 88(3). https://doi.org/10.1177/00031224231169790
· Koenker, R. (2004). Quantile regression for longitudinal data. Journal of Multivariate Analysis. 91(1), 74-89.
· Khan, A., Sun, C., Xu, Z. & Liu, Y. (2023). Geopolitical risk, economic uncertainty, and militarization: Significant agents of energy consumption and environmental quality. Environmental Impact Assessment Review, 102. https://doi.org/10.1016/j.eiar.2023.107166
· Koenker, R., 2004. Quantile regression for longitudinal data. Journal of Multivariate Analysis. 91(1), 74-89.
· Lamarche, C. (2011). Measuring the incentives to learn in Colombia using new quantile regression approaches. Journal of Development Economics. 96(2), 278-288. https://doi.org/10.1016/j.jdeveco.2010.10.003
· Liu, W., Luo, Z. & Xiao, D. (2022). Age structure and carbon emission with climate-extended STIRPAT model-a cross-country analysis. Frontiers in Environmental Science. 9, 667. https://doi.org/10.3389/FENVS.2021.719168/BIBTEX
· Pata, U.K. Destek, M.A., Manga, M. & Cengiz, O. (2023). Militarization of NATO countries sparks climate change? Investigating the moderating role of technological progress and financial development. Journal of Cleaner Production, 409(1), 137241. DOI: 10.1016/j.jclepro.2023.137241
· Pesaran, M. H. (2007). A simple panel unit root test in the presence of cross-section dependence. Journal of Applied Econometrics, 22(2), 265-312. https://doi.org/10.1002/jae.951
· Qayyum, U., Anjum, S. & Sabir, S. (2021). Armed conflicts, militarisation and ecological footprints: Empirical evidence from South Asia, Journal of Cleaner Production, https://doi.org/10.1016/j.jclepro.2020.125299
· Sana, E.H. & Neila, B.A. (2016). The relationship between military expenditure, military personnel, economic growth, and the environment, International Journal of Economics and Management Engineering, 10, 1-6.
· Smith, C. & Lengefeld, M.R. (2020). The environmental consequences of asymmetric war: A panel study of militarism and carbon emissions, 2000–2010. Armed Forces & Society, 46(2), 214-237. https://doi.org/10.1177/0095327X19832615
· Solarin, S.A. & Al-Mulali, U. & Ozturk, I. (2018). Determinants of pollution and the role of the military sector: evidence from a maximum likelihood approach with two structural breaks in the USA. Environ Sci Pollut Res Int, 25(31), 30949-30961. DOI: 10.1007/s11356-018-3060-5
· Türedi, S. & Yildiz, F. (2022). Militarizasyon MENA Ülkelerinde Çevresel Kirliliği Nasıl Etkiliyor? İstanbul Üniversitesi Sosyoloji Dergisi, 42(1), 217-235. https://doi.org/10.26650/SJ.2022.42.1.0010
· Uddin, M., Rashid, H.U., Ahamad, S. & Ehigiamusoe, K.U. (2023). Impact of militarization, energy consumption, and ICT on CO2 emissions in G20 countries. Environment Development and Sustainability. DOI: 10.1007/s10668-023-03483-8
· Ullah, S. Andlib, Z., Majeed, M.T., Sohail, S. & Chishti, M.Z. (2021). Asymmetric effects of militarization on economic growth and environmental degradation: fresh evidence from Pakistan and India. Environmental Science and Pollution Research, 28(6-7). DOI: 10.1007/s11356-020-11142-y
· Westerlund, J. & Edgerton, D.L. (2007). A panel bootstrap co-integration test. Economics Letters, 97, 185-190. https://doi.org/10.1016/j.econlet.2007.03.003
· Xu, B. & Lin, B. (2016). A quantile regression analysis of China's provincial CO2 emissions: Where does the difference lie? Energy Policy, 98, 328-342.
· Zandi, G., Haseeb, M. & Zainal Abidin, I.S. (2019). The impact of democracy, corruption and military expenditure on environmental degradation: Evidence from top six Asean countries. Humanities & Social Sciences Reviews, 7 (4), 333-340.
· Zheng, H., Hu, J., Wang, S., & Wang, H. (2019). Examining the influencing factors of CO2 emissions at city level via panel quantile regression: evidence from 102 Chinese cities. Applied Economics, 51(35), 3906-3919
· Zhu, H., Chang, S. & Chen, B. (2024). Technological innovation, militarization, and environmental change: evidence from BRICS economies. Environmental Science and Pollution Research. doi: 10.1007/s11356-024-32718-y
پیوست‌ها
جدول (1) پیشینه تحقیقات انجام شده
محقق | بازه زمانی و مکانی | شاخص(های) نظامی‌سازی | روش برآورد مدل | اهم نتایج |
یورگنسون و همکاران (2012) | 72 کشور جهان (1970-2000) | سرانه مخارج نظامی و نرخ مشارکت نظامی | POLS و FE | نرخ مشارکت نظامی اثر مثبت و معنی‌دار و سرانه مخارج نظامی اثر بی‌معنا بر انتشار گاز CO2 داشته است. |
سانا و نیلا28 (2016) | 121 کشور جهان (1980-2011) | تلاش نظامی شامل: سرانه مخارج نظامی و پرسنل نظامی | 2SLS و FE | هر دو اثر مستقیم و غیرمستقیم (که اشاره به اثرگذاری تلاش نظامی بر آلودگی هوا از طریق درآمد سرانه دارد) تلاش نظامی و مجموع این دو اثر (اثر کل) بر آلودگی هوا، مثبت و معنی‌دار بوده است. |
بردفورد و استونر29 (2017) | 162 کشور جهان (1960-2014) | نسبت مخارج نظامی به GDP | تحلیل داده‌های پانل | بین مخارج نظامی و انتشار کربن سرانه یک ارتباط مثبت وجود دارد که طی دهه‌های اخیر قوی‌تر شده است. |
بیلدیریکی30 (2017الف) | کشورهای گروه هفت (G7) (1985-2015) | مخارج نظامی | DOLS، FMOLS و PMG | نظامی‌سازی تأثیر مثبت و معتاداری بر انتشار گاز CO2 در کشورهای G7 داشته است. |
سولارین و همکاران31 (2018) | آمریکا (1960-2015) | مخارج نظامی و نسبت مخارج نظامی به GDP | هم‌انباشتگی یوهانسن، ARDL، FMOLS، DOLS و CCR | نظامی‌سازی تأثیر متفاوت و ناهمگنی بر شاخص‌های کیفیت محیطزیست انتشار CO2 و ردپای اکولوژیکی دارد. |
زندی و همکاران32 (2019) | کشورهای آسه‌آن (1995-2017) | مخارج نظامی | DOLS و FMOLS | مخارج نظامی از عوامل مهم و معنی‌دار تعیین‌کننده انتشار CO2 در کشورهای مورد مطالعه است. |
اولله و همکاران (2021) | پاکستان و هند (1985-2018) | نسبت مخارج نظامی به GDP | ARDL غیرخطی | در کوتاه‌مدت و بلندمدت یک رابطه نامتقارن بین نظامی‌سازی و CO2 در پاکستان و هند وجود دارد. در بلندمدت، یک‌درصد افزایش در نظامی‌سازی بهترتیب باعث کاهش انتشار CO2 در پاکستان و هند به میزان 034/1 و 337/0 درصد شده است. |
قیوم و همکاران33 (2021) | کشورهای جنوب آسیا (1984-2019) | مخارج نظامی | ARDL پانلی | مخارج نظامی هم در کوتاه‌مدت و هم در بلندمدت، اثر مثبت و معنیداری بر ردپای اکولوژیکی دارند. |
اردوغان و همکاران34 (2022) | کشورهای توسعه‌‌یافته منطقه مدیترانه (1965-2019) | سرانه مخارج نظامی | GVAR | افزایش در سرانه مخارج نظامی منجر به افزایش انتشار CO2 سرانه میشود. |
توردی و ییلدیز35 (2022) | کشورهای منطقه منا (1995-2018) | نسبت مخارج نظامی به GDP | SGMM دومرحله‌ای | فعالیت‌های نظامی تأثیر مثبت و معنی‌دار بر انتشار CO2 دارد. |
یورگنسون و همکاران (2023) | 106 کشور جهان (1990-2016) | مخارج نظامی به‌ازای هر سرباز و نرخ مشارکت نظامی | FE | اثر تعاملی شاخص‌های نظامی‌سازی و تولید ناخالص داخلی سرانه بر شاخص آلودگی هوا، مثبت و معنی‌دار است؛ به این معنا که نظامی‌سازی با گسترش مقیاس اقتصادی به افزایش انتشار کربن می‌انجامد. |
حسین و علی36 (2023) | پاکستان، هند و چین (1993-2017) | نسبت مخارج نظامی به GDP | ARDL | مخارج نظامی هم در کوتاه‌مدت و هم در بلندمدت، اثر مثیت و معنیداری بر انتشار CO2 در هر سه کشور داشته است. |
تارکژینسکی و همکاران37 (2023) | 47 کشور جهان با سرانه مخارج نظامی بالا (2000-2015) | سرانه مخارج نظامی | GMM دومرحله‌ای | افزایش یک درصدی در سرانه هزینه‌های نظامی منجر به افزایش 05/0 درصدی انتشار CO2 سرانه میشود. همچنین، اثرگذاری منفی نظامی‌سازی بر کیفیت محیطزیست در حضور نهادهای خوب کاهش می‌یابد. |
آسونگو و اندور38 (2023) | 40 کشور آفریقایی (2010-2020) | سرانه مخارج نظامی | GMM | مخارج تسلیحاتی انتشار CO2 را افزایش می‌دهد؛ اما می‌توان انتظار داشت که در حضور شاخص‌های حکمرانی خوب، این اثرگذاری کاهش یابد. |
خان و همکاران39 (2023) | کشورهای بریکس (2000-2021) | شاخص جهانی نظامی‌سازی | CupFM و CupBC | نظامی‌سازی کیفیت محیطی را از طریق افزایش مصرف انرژی، انتشار گازهای گلخانه‌ای و انتشار CO2 کاهش می‌دهد. |
یودین و همکاران40 (2023) | کشورهای گروه بیست (G20) (2019-1980) | نسبت مخارج نظامی به GDP | ARDL پانلی و GMM | مخارج نظامی بالاتر باعث انتشار بیشتر CO2 میشود که بر پایداری محیطی تأثیر می‌گذارد. |
پاتا و همکاران41 (2023) | 15 کشور NATO (1991-2018) | مخارج نظامی | CS-ARDL | مخارج نظامی تأثیر مثبت و معنیداری بر انتشار CO2 دارد. همچنین مشخص شده است که بخش مالی پیامدهای مضر مخارج نظامی بر محیطزیست را ریشه‌کن نمی‌کند، اما پیشرفت فناوری اثر تعدیل‌کننده دارد. |
ژو و همکاران42 (2024) | کشورهای بریکس (1990-2021) | مخارج نظامی | CS-ARDL | مخارج نظامی به‌طور معنیداری ردپای اکولوژیکی را در بلندمدت افزایش می‌دهد؛ در حالی‌که در کوتاه‌مدت، اثر معنیداری ندارد. |
گل‌خندان (1397) | 25 کشور قدرتمند جهان (از نظر تجهیزات نظامی) (1995-2015) | نسبت هزینه‌های نظامی به GDP | FMOLS، DOLS، PMG و CupFM | بار نظامی تأثیر مثبت و معنیداری بر آلودگی هوا داشته است؛ به‌گونه‌ای که با یک‌درصد افزایش در سهم مخارج نظامی از GDP، در بلندمدت میزان انتشار گاز CO2 بین 26/0-19/0 درصد افزایش خواهد یافت. |
یادداشت‌ها: POLS: حداقل مربعات تلفیقی؛ FE: اثرات ثابت؛ 2SLS: حداقل مربعات دومرحله‌ای؛ DOLS: حداقل مربعات معمولی پویا؛ FMOLS: حداقل مربعات معمولی کاملا اصلاح‌شده؛ PMG: میانگین گروهی تلفیقی؛ CCR: رگرسیون هم‌جمعی کانونی؛ SGMM: گشتاورهای تعمیم‌یافته سیستمی؛ SVAR: خودرگرسیون برداری ساختاری؛ ARDL: خودرگرسیون با وقفه‌های توزیعی؛ GVAR: خودرگرسیون برداری جهانی؛ CupFM: به‌روزرسانی مکرر و کاملاً اصلاح‌شده؛ CupBC: به‌روزرسانی مکرر و تصحیح اریب و CS-ARDL: ARDL با وابستگی مقطعی.
مأخذ: یافته‌های تحقیق با مرور مطالعات تجربی
[1] . Middle East and North Africa (MENA)
[2] .Global Militarization Index (GMI)
[3] .Bonn International Center for Conversation (BICC)
[4] .https://data.humdata.org/dataset/global-militarization-index?
[5] . Ecological Footprint
این شاخص نرخ مصرف منابع و تولید ضایعات توسط انسان را با نرخ بازتولید منابع و دفع ضایعات توسط زیست‌کره مقایسه می‌کند که بر اساس مقدار زمین مورد نیاز (بر حسب هکتار) برای نگه‌داشتن این چرخه تعریف میشود.
[6] .Global Footprint Network (https://www.footprintnetwork.org)
[7] . Treadmill of Destruction Theory
[8] . Hooks & Smith
[9] .Jorgenson et al.
[10] .Guns versus Climate
[11] . Risk-Transfer Militarism
[12] . Solarin et al.
[13] . Ullah et al.
[14] . Ecological Territorial Army Battalions
[15] . Stochastic Impact of Regression on Population, Affluence, and Technology (STIRPAT)
[16] . Dietz & Rosa
[17] . Ehrlich & Holdren
[18] پایه لگاریتم در این پژوهش عدد نپر است؛ بنابراین منظور از نماد log همان لگاریتم طبیعی (ln) است.
[19] Environmental Kuznets Curve (EKC) . بر اساس منحنی EKC، در سطوح پایین رشد اقتصادی، ارتباط مثبت و در سطوح بالای رشد اقتصادی، ارتباط منفی بین رشد اقتصادی و تخریب محیطزیست وجود دارد. به‌عبارت دیگر، EKC معتقد است که رابطه بین رشد اقتصادی و تخریب محیطزیست بهشکل منحنی U معکوس است.
[20] . Koenker & Bassett
[21] . Least Absolute Deviations (LAD)
[22] .Koenker
[23] .Alexander et al.
[24] .Lamarche
[25] .Damette & Delacote
[26] .Pesaran
[27] . Westerlund & Edgerton
[28] .Sana & Neila
[29] .Bradford & Stoner
[30] . Bildirici
[31] . Sakiru et al.
[32] . Zandi et al.
[33] . Qayyum et al.
[34] .Erdoğan et al.
[35] . Türedi & Yildiz
[36] . Husnain & Ali
[37] . Tarczyński et al.
[38] .Asongu & Ndour
[39] . Khan et al.
[40] .Uddin et al.
[41] . Pata et al.
[42] .Zhu et al.
Rimag
Links
Related Centers
Technical Support
Official pages
The rights to this website are owned by the Raimag Press Management System.
Copyright © 2017-2025