《Next Research》：Nonlinear and Regime-Dependent Dynamics of Finland’s Ecological Footprint: A Bayesian Approach
编辑推荐：
非线性生态足迹驱动因素研究——以芬兰1990-2023年为样本，采用贝叶斯框架（BMA）结合Hamiltonian蒙特卡洛估计，揭示可再生能源消费（REN）对生态足迹（EF）有显著负向影响，GDP不支撑环境库兹涅茨曲线假设，FDI与城市化（URB）交互效应显示可持续城市发展可提升外资生态效益，创新（PA）贡献有限，为2035碳中和目标提供政策启示。
Irina Georgescu | Jani Kinnunen
布加勒斯特经济大学，Doroban?i街15-17号，第1区，布加勒斯特，010552，罗马尼亚
摘要
本研究探讨了1990年至2023年间芬兰生态足迹（EF）的非线性及制度依赖性决定因素。主要目标是评估经济增长、可再生能源消费（REN）、外国直接投资（FDI）、城市化（URB）和创新（PA）如何影响芬兰的环境可持续性，同时考虑参数和模型的不确定性。本研究采用贝叶斯回归框架结合贝叶斯模型平均（BMA）方法，并利用哈密顿蒙特卡洛（HMC）估计和BMA来捕捉非线性、多重共线性和模型不确定性。
研究结果表明，2008年后出现了结构性的转变，这与芬兰向低碳经济转型的趋势一致。可再生能源消费（REN）成为减少生态足迹（EF）最显著且最可信的因素，而国内生产总值（GDP）并不支持环境库兹涅茨曲线（EKC）假说。FDI与城市化（URB）的相互作用表明，可持续的城市发展能够提升外国投资的生态效率。以专利申请为代表的创新对环境的影响有限，这表明需要制定更有针对性的绿色创新政策。
这些发现为政策制定提供了与芬兰2035年碳中和目标及欧盟绿色协议相一致的见解，强调了可再生能源的多样化、可持续的外国直接投资以及适应性低碳转型策略的重要性。
引言
近几十年来，气候变化、资源枯竭和环境退化的压力不断加剧，全球对可持续性的追求也日益迫切。各国在努力实现碳中和目标的过程中，理解环境影响的决定因素变得至关重要。在各种环境指标中，生态足迹（EF）是一个综合性的指标，它反映了人类对自然生态系统的需求与其生物承载能力之间的关系[1]。因此，它是评估可持续发展进展的重要指标。
芬兰是一个高收入的北欧国家，致力于创新，并设定了2035年的法律约束性碳中和目标，为研究宏观经济和技术因素如何影响环境绩效提供了有力的案例。尽管芬兰在可再生能源和循环经济政策方面处于领先地位，但其生态足迹仍属于欧洲最大之列，这凸显了实现经济增长与生态压力脱钩的复杂性。主要驱动因素如经济增长（GDP）、可再生能源消费（REN）、外国直接投资（FDI）、城市化（URB）和创新（PA）之间的相互作用是非线性的，传统计量经济模型往往无法准确捕捉这些关系。
虽然以往的研究使用线性模型或环境库兹涅茨曲线（EKC）框架探讨了生态足迹的动态变化，但这些方法未能充分考虑到模型不确定性、参数不稳定性和经济变量与结构变量之间的交互作用。
传统的回归方法在处理模型不确定性和参数不稳定性方面存在局限性，尤其是在样本量较小或存在多重共线性时。相比之下，贝叶斯方法通过纳入先验知识并为模型参数生成完整的后验分布，提供了更灵活的框架[2]。贝叶斯模型平均（BMA）通过整合多个合理模型的证据，而非依赖单一模型规范，克服了单一模型的局限性[3]。这种概率论视角有助于深入理解环境、经济和结构因素之间的复杂关系。
本研究为芬兰的可持续性政策和环境管理做出了几项实际贡献。首先，它提供了定量证据，证明可再生能源消费显著减少了生态足迹，从而支持芬兰低碳能源战略的推进。其次，通过分析外国直接投资与城市化之间的相互作用，揭示了可持续城市规划如何放大绿色投资的生态效益，为政策制定者提供了将FDI激励措施与环境目标相协调的指导。最后，贝叶斯模型平均框架通过量化模型和参数的不确定性，为政策制定者提供了决策支持工具，使他们在不确定性条件下能够基于证据优先选择政策措施。这些贡献有助于制定基于数据的、具有韧性的战略，以实现芬兰的碳中和目标和联合国可持续发展目标（特别是SDG 12和SDG 13）。
本文的其余部分结构如下：第2节回顾了关于生态足迹决定因素的现有文献和贝叶斯环境建模的最新进展；第3节概述了方法论框架，详细介绍了贝叶斯回归模型、通过哈密顿蒙特卡洛进行的后验估计以及BMA程序；第4节展示了实证结果，强调了制度依赖性结果、交互效应和边际估计；第5节总结了主要发现，并提出了推进芬兰可持续发展和碳中和的政策建议。
节选内容
环境和能源研究中的贝叶斯方法
由于贝叶斯方法在处理复杂数据结构和明确量化不确定性方面的灵活性，它们在环境和能源经济学中变得越来越重要。当标准假设（如同方差性或独立性）被违反时，贝叶斯方法提供了连贯的分析框架。例如，Ngoc Thach（2024）[4]证明了贝叶斯层次模型能有效处理多重共线性，并捕捉可再生能源采纳的个体差异。
回归和模型平均的贝叶斯框架
本研究采用了基于Gelman等人（2013）[2]、Neal（2011）[22]和Clyde等人（2011）[23]工作的贝叶斯推断框架。实证分析结合了通过哈密顿蒙特卡洛（HMC）估计的贝叶斯回归和通过贝叶斯自适应采样（BAS）算法进行的贝叶斯模型平均（BMA）。这种综合方法非常适合宏观经济和环境分析，因为这些领域中的变量关系往往是非线性的。
数据预处理和分割
实证研究使用了1990年至2023年的芬兰年度时间序列数据（见表1）。
表1中的变量是根据它们在解释生态足迹（EF）方面的理论和实证相关性选定的（Grossman & Krueger, 1995 [33]；Bilgili et al., 2016 [34]；Destek & Sarkodie, 2019 [35]）。GDP反映了收入与环境之间的关系，REN体现了能源转型，FDI表示外部资本和技术传播，URB代表了人口压力，PA则作为代理变量...
结论与政策意义
本研究采用贝叶斯建模框架，通过HMC估计和BMA方法评估了1990年至2023年间芬兰生态足迹（EF）的决定因素。结果表明，2008年后出现了明显的结构转变，这与芬兰更广泛的可持续性转型趋势一致。后验证据表明，无论是在2008年之前还是之后，可再生能源消费（REN）对生态足迹（EF）都产生了显著且日益负面的影响。这证实了扩大可再生能源消费是减少生态足迹的最可靠驱动因素。
资金来源
“作者声明在撰写本手稿期间未收到任何资金、资助或其他形式的支持。”
CRediT作者贡献声明
Irina Georgescu：概念化、数据整理、正式分析、资金筹集、研究设计、方法论制定、项目管理、资源获取、软件使用、监督、验证、数据可视化、初稿撰写、审稿与编辑。
Jani Kinnunen：概念化、数据整理、正式分析、监督、验证、数据可视化、初稿撰写、审稿与编辑。
CRediT作者贡献声明
Irina Georgescu：审稿与编辑、初稿撰写、数据可视化、验证、监督、软件使用、资源管理、方法论制定、研究设计、正式分析、数据整理、概念化。
Jani Kinnunen：审稿与编辑、初稿撰写、验证。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
