Добыча нефти и углеродные выбросы: сплайн-анализ взаимосвязей

Очевидно, что динамика выбросов углекислого газа зависит от объемов и структуры потребления первичных энергоресурсов в экономике. Потребление энергии в мире демонстрирует тенденцию роста, временно прерывающуюся в периоды экономических кризисов. Наиболее заметное в современной истории снижение потребления энергии произошло в 2020 г., что было обусловлено спадом деловой активности в мире из-за пандемии COVID-19. Это вызвало снижение выбросов углерода (более чем на 6% по сравнению с 2019 г.). В структуре источников первичной энергии наибольшее сокращение пришлось на потребление нефти. В работе исследуются воздействие экономических кризисов на эволюцию взаимной связи между динамикой добычи нефти и выбросов углекислого газа в мире. Для выявления корреляций на локальных временных участках предложено интерполировать динамику процессов кубическими сплайнами. Применение этого инструментария позволяет избежать ограничений классической эконометрики к длине временных рядов. Дифференцируемость построенных сплайн-моделей позволила перейти к выявлению и анализу латентных корреляций в колебаниях мгновенной скорости роста объемов производства нефти и выбросов углерода.

1. Боркова Е. А. Государственная поддержка зеленых инвестиций (на примере возобновляемых источников энергии) // Управленческое консультирование. 2020. № 3 (135). С. 73–79.

2. Вертакова Ю. В., Плотникова Н. А., Плотников В. А. Промышленная политика России: направленность и инструментарий // Экономическое возрождение России. 2017. № 3 (53). С. 49–56.

3. Жизнин С. З., Тимохов В. М. Влияние энергетики на устойчивое развитие // Мировая экономика и международные отношения. 2017. Т. 61. № 11. С. 34–42.

4. Зеленая экономика и зеленые финансы / Б. Н. Порфирьев, М. В. Сигова, И. К. Ключников и др. СПб., 2018. 327 с.

5. Ильясов Р. Х. «Латентные» корреляции потоков в экономике: сплайн-анализ // Известия Санкт-Петербургского государственного экономического университета. 2021. № 1 (127). С. 35–41.

6. Ильясов Р. Х. Сплайн-анализ корреляции потоков // Экономический анализ: теория и практика. 2020. Т. 19. № 1 (496). С. 173–187.

7. Казанцева А. Н. Вопросы разработки и реализации государственной политики в сфере производства и обращения экологически чистой продукции // Теория и практика сервиса: экономика, социальная сфера, технологии. 2018. № 2 (36). С. 16–20.

8. Плотников В. А., Бабенков В. И. Экономическая безопасность российской нефтегазовой отрасли в условиях энергетического перехода // Экономический вектор. 2021. № 3 (26). С. 55–61.

9. Теория устойчивого развития экономики и промышленности / А. А. Алетдинова, А. В. Бабкин, Н. Н. Булатова и др. СПб., 2016. 756 с.

10. Федотова Г. В., Сложенкина М. И. Сценарии глобального прорыва сельского хозяйства России в рамках «зеленой» экономики // Аграрно-пищевые инновации. 2020. № 2 (10). С. 20–32.

11. Халил М. Р. А. Приоритеты государственной политики регулирования устойчивого развития и стимулирования зеленой экономики // Известия Санкт-Петербургского государственного экономического университета. 2020. № 1 (121). С. 176–182.

12. Adelodun B., Kareem K. Y., Kumar P., Kumar V. at al. Understanding the impacts of the COVID-19 pandemic on sustainable agri-food system and agroecosystem decarbonization nexus: A review // Journal of Cleaner Production. 2021. Vol. 318. Р. 128451.

13. Banker R. D., Byzalov D., Fang S., Jin B. Operating asymmetries and non-linear spline correction in discretionary accrual models // Review of Quantitative Finance and Accounting. 2020. N 54 (3). P. 803–850.

14. Buletova N.Ye., Gorelova I. V., Golomanchuk A. V., Orlova Ye.R. New interaction paradigm of ecological, social and economic structures of human activity // Economy of Regions. 2015. N 2 (42). P. 59–71.

15. Cui Z., Kirkby J. L., Nguyen D. Nonparametric Density Estimation by B-Spline Duality // Econometric Theory. 2020. N 36 (2). P. 250–291.

16. Depren S. K., Kartal M. T. Prediction on the volume of non-performing loans in Turkey using multivariate adaptive regression splines approach // International Journal of Finance and Economics. 2021. N 26 (4). P. 6395–6405.

17. Edwards J. R., Parry M. E. On the Use of Spline Regression in the Study of Congruence in Organizational Research // Organizational Research Methods. 2018. N 21 (1). P. 68–110.

18. Gao G., Meng S. Stochastic claims reserving via a Bayesian spline model with random loss ratio effects // ASTIN Bulletin. 2018. N 48 (1). P. 55–88.

19. Green J., Hadden J., Hale T., Mahdavi P. Transition, hedge, or resist? Understanding political and economic behavior toward decarbonization in the oil and gas industry // Review of International Political Economy. 2021. DOI: 10.1080/09692290.2021.1946708

20. Gülüm M., Yesilyurt M. K., Bilgin A. The performance assessment of cubic spline interpolation and response surface methodology in the mathematical modeling to optimize biodiesel production from waste cooking oil // Fuel. 2019. Vol. 255. Р. 115778.

21. Hill R. J., Scholz M. Can Geospatial Data Improve House Price Indexes? A Hedonic Imputation Approach with Splines // Review of Income and Wealth. 2018. N 64 (4). Р. 737–756.

22. Ilyasov R. H. About the method of analysis of economic correlations by differentiation of spline models // Modern Applied Science. 2014. Vol. 8. N 5. P. 197–203.

23. Keller W., Borkowski A. Thin plate spline interpolation // Journal of Geodesy. 2019. N 93 (9). P. 1251–1269.

24. Sarfraz M., Mohsin M., Naseem S., Kumar A. Modeling the relationship between carbon emissions and environmental sustainability during COVID-19: a new evidence from asymmetric ARDL cointegration approach // Environ Dev Sustain. 2021. N 23. P. 16208–16226.

25. Xu L., Fan M., Yang L., Shao S. Heterogeneous green innovations and carbon emission performance: Evidence at China’s city level // Energy Economics. 2021. N 99. Р. 105269.