Macroeconomic factors affecting carbon dioxide emissions in Bangladesh: an ARDL approach

This study investigates how macroeconomic variables in Bangladesh from 1991 to 2021 affected emissions, using data from the World Development Indicators. This study used the autoregressive distributed lag (ARDL) model. The study finds that Bangladesh’s GDP per person, energy use, and trade openness positively and significantly affect both short-term and long-term carbon dioxide emissions. However, statistics show that foreign direct investment does not affect from Bangladesh’s. This study says that policymakers should focus on making energy policies and other economic policies that help the economy grow and have little to no effect on emissions. Additionally, economic growth will not hurt the environment as much if policies are implemented to encourage the growth of both the public and private sectors and make it easier to make money by allocating and distributing resources well. Finally, this study suggests looking for additional variables to improve the model’s fit and using other estimating techniques to obtain more trustworthy findings.

W niniejszym artykule zbadano, wykorzystując dane z World Development Indicators, w jaki sposób w jaki sposób zmienne makroekonomiczne w Bangladeszu w latach 1991–2021 wpłynęły na emisje. W tym badaniu wykorzystano model autoregresyjnego rozproszonego opóźnienia (ARDL). Badanie wykazało, że PKB Bangladeszu na osobę, zużycie energii i otwartość handlu pozytywnie i znacząco wpływają zarówno na krótko-, jak i długoterminowe emisje dwutlenku węgla. Statystyki pokazują jednak, że bezpośrednie inwestycje zagraniczne nie wpływają na sytuację w Bangladeszu. To badanie mówi, że decydenci powinni skupić się na kształtowaniu polityki energetycznej i innych polityk gospodarczych, które pomagają gospodarce rozwijać się i mają znikomy wpływ na emisje. Ponadto wzrost gospodarczy nie będzie tak bardzo szkodził środowisku, jeśli wdrożona zostanie polityka zachęcająca do rozwoju zarówno sektora publicznego, jak i prywatnego, oraz ułatwiająca zarabianie pieniędzy poprzez dobrą alokację i dystrybucję zasobów. Wreszcie, to badanie sugeruje poszukiwanie dodatkowych zmiennych w celu poprawy dopasowania modelu i wykorzystanie innych technik szacowania w celu uzyskania bardziej wiarygodnych wyników.