Determining the Effect of Selected Energy Consumptions on Carbon Dioxide Emissions by ARDL Limit Test

Öz

The rapidly increasing world population increases the need for energy resources and these needs lead to excessive use of non-renewable energy resources. This excessive use has negative effects on the environment, especially on carbon dioxide (CO2) emission. In this context, the relationship between energy consumption and CO2 is prominent in many studies. The aim of this study is to examine the effects of coal, natural gas, hydroelectric and renewable energy consumptions on CO2 emission in Turkey with the ARDL Boundary test. In the study, the data between 1972 and 2021 were used and the data were obtained from the World Bank. Toda-Yamamoto test was used for the causality relationship between the variables. According to the ARDL test, it was determined that the effect of coal, natural gas and renewable energy consumptions on CO2 emission was significant (p<0.05) at the 5% significance level, but the effect of hydroelectric energy consumption was not significant (p>0.05). In addition, it has been observed that renewable energy consumption reduces CO2 emission and the other three variables increase it. According to the causality test; while there is a bidirectional causality relationship between CO2 and natural gas, and between natural gas and hydroelectricity, and one-way causality from coal to natural gas and from hydroelectricity to coal, there is no causal relationship between renewable energy and any variable. As a result, it was determined that the most effective variable on CO2 emission was coal. Thus, the use of renewable energy sources is of great importance for a clean environment, since reducing coal energy consumption and instead increasing renewable energy consumption will significantly reduce CO2 emission. In addition, considering the similarities and differences in the literature, it is thought that the study will contribute to the literature and shed light on the policies to be produced on climate change.

Anahtar Kelimeler

• ARDL
• Climate change
• Carbon dioxide emissions
• Toda-Yamamoto

Seçili Enerji Tüketimlerinin Karbondioksit Emisyonu Üzerindeki Etkisinin ARDL Sınır Testi ile Belirlenmesi

Öz

Hızla artan dünya nüfusu enerji kaynaklarına olan ihtiyacı artırmakta ve bu ihtiyaçlar yenilenemeyen enerji kaynaklarının aşırı kullanımına yol açmaktadır. Bu aşırı kullanımın başta karbondioksit (CO2) emisyonu olmak üzere çevre üzerinde olumsuz etkileri bulunmaktadır. Bu bağlamda enerji tüketimi ile CO2 arasındaki ilişki birçok araştırmada öne çıkmaktadır. Bu çalışmanın amacı, Türkiye’de kömür, doğalgaz, hidroelektrik ve yenilenebilir enerji tüketimlerinin CO2 emisyonu üzerindeki etkilerini ARDL Sınır testi ile incelemektir. Çalışmada, 1972-2021 yılları arasındaki veriler kullanılmış ve veriler Dünya Bankasından alınmıştır. Değişkenler arasındaki nedensellik ilişkisi için Toda-Yamamoto testi kullanılmıştır. ARDL testine göre %5 anlamlılık düzeyinde kömür, doğalgaz ve yenilenebilir enerji tüketimlerinin CO2 emisyonu üzerindeki etkisinin anlamlı (p<0.05) olduğu, ancak hidroelektrik enerji tüketiminin etkisinin anlamlı (p>0.05) olmadığı belirlenmiştir. Ayrıca yenilenebilir enerji tüketiminin CO2 emisyonunu azalttığı ve diğer üç değişkenin ise emisyonu artırdığı gözlemlenmiştir. Nedensellik testine göre; CO2 ile doğalgaz ve doğalgaz ile hidroelektrik arasında çift yönlü, kömürden doğalgaza ve hidroelektrikten kömüre ise tek yönlü bir nedensellik ilişkisi bulunurken, yenilenebilir enerjinin ise hiçbir değişkenle nedensellik ilişkisi bulunmamıştır. Sonuç olarak, CO2 emisyonu üzerinde en etkili değişkenin kömür olduğu belirlenmiştir. Böylece kömür enerjisi tüketiminin azaltılması ve bunun yerine yenilenebilir enerji tüketiminin artırılması CO2 emisyonlarını önemli ölçüde azaltacağından yenilenebilir enerji kaynaklarının kullanımı temiz bir çevre için büyük önem taşımaktadır. Ayrıca literatüre benzerlik ve farklılıkları dikkate alındığında çalışmanın literatüre katkı sağlayacağı ve iklim değişikliği konusunda üretilecek politikalara ışık tutabileceği düşünülmektedir.

Anahtar Kelimeler

• ARDL
• İklim değişikliği
• Karbondioksit salınımı
• Toda-Yamamoto

Kaynakça

1. Altun, Y., İşleyen, Ş. ve Görür, Ç. (2018). Türkiye’de eğitim ve sağlık harcamalarının ekonomik büyümeye etkisi: 1999-2017. Yüzüncü Yıl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 39, 223-244.
2. Azam, A., Rafiq, M., Shafique, M., Zhang, H. & Yuan, J. (2020). Analyzing the Effect of Natural Gas, Nuclear Energy and Renewable Energy on GDP and Carbon Emissions: A multi-variate Panel Data analysis. Energy, 219, 1-11.
3. Bilgili, F., Öztürk, İ., Koçak, E., Bulut, Ü., Pamuk, Y., Muğaloğlu, E. ve Bağlıtaş, H. H. (2016). The influence of biomass energy consumption on CO2 emissions: a wavelet coherence approach. Environ Sci Pollut Res. 23(19), 19043– 19061. doi: 10.1007/s11356-016-7094-2
4. Coşkun, H. ve Eygü, H. (2020). Ar–Ge harcamaları ve ihracat ilişkisinin incelenmesi: Türkiye Örneği. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 8(İktisadi ve İdari Bilimler), 233-242. https://doi.org/10.18506/anemon.761623
5. Çetintaş, H., Bicil, I. M. ve Türköz, K. (2017). Türkiye’de enerji üretiminde fosil yakıt kullanımı ve CO2 emisyonu ilişkisi: Bir senaryo analizi. EconWorld Working Paper Series No: 2017-002, 1-12. doi: 10.22440/EconWorld.WP.2017.002
6. Çoban, O. ve Kılınç, N. Ş. (2015). Yenilenebilir enerji tüketimi ve karbon emisyonu ilişkisi: TR örneği. Erciyes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 38(1), 195-208.
7. Danish, Baloch M. A., Mahmood, N. & Zhang, J. W. (2019). Effect of natural resources, renewable energy and economic development on CO2 emissions in BRICS countries. Science of the Total Environment, 678, 632- 638. https://doi.org/10.1016/j.scitotenv.2019.05.028
8. Demir, Y. (2021a). Analyzing the effect of employment in the agricultural and industrial sectors on economic growth with the ARDL bounds test. International Journal of Contemporary Economics and Administrative Sciences, XI(1), 178-192. https://doi.org/10.5281/zenodo.5136851

9. Demir, Y. (2021b). Eğitim, sağlık ve ar-ge harcamaları ile ekonomik büyüme arasındaki ilişkinin ARDL sınır testi ile belirlenmesi. Manas Sosyal Araştırmalar Dergisi, 10(3), 1758-1770. https://doi.org/10.33206/mjss.918786
10. Dickey, D. A. & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American statistical association, 74(366a), 427- 431
11. Dickey, D. A. & Fuller, W. A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49(4), 1057-1072. https://doi.org/10.2307/1912517
12. Dong, K., Sun, R. & Dong, X. (2018). CO2 emissions, natural gas and renewables, economic growth: assessing the evidence from China. Science of the Total Environment, 640-641, 293-302. https://doi.org/10.1016/j.scitotenv.2018.05.322 0048-9697
13. Engle, R. F. & Granger, C. W. (1987). Co-İntegration in error correction: Representation, estimation and, testing. Econometrica, 55(2), 251-276. https://doi.org/10.2307/1913236
14. Eygü, H. ve Kılınç, A. (2021). Enerji tüketiminin ve karbondioksit salınımının ekonomik büyümeye etkisinin incelenmesi: panel veri analizi yaklaşımı. Siirt Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(2), 268-280.
15. Eygü, H. (2022). Yenilenebilir enerji kaynaklarının kullanımı ve ekonomik büyüme ilişkisi: 1995–2020 Türkiye örneği. Gazi İktisat ve İşletme Dergisi, 8(2), 387-397. https://doi.org/10.30855/gjeb.2022.8.2.012
16. Granger, C. W. J. (1981). Some properties of time series data and their use in econometric model specification. Journal of Econometrics, 23(1), 121-130. https://doi.org/10.1016/0304-4076(81)90079-8
17. Gujarati, D. N. & Porter, D. C. (2009). Basic Econometrics (5nd ed.). McGraw-Hill/Irwin.
18. Hasnisah, A., Azlina, A. A. & Taib, C. M. I. C. (2019). The Impact of Renewable Energy Consumption on Carbon Dioxide Emissions: Empirical Evidence from Developing Countries in Asia. International Journal of Energy Economics and Policy, 9(3), 135-143.
19. İşleyen, Ş., Altun, Y. & Görür, Ç. (2017). The causality relationship between interest rate and income with investment in Usa: 1965-2016. The Journal of Academic Social Science, 60(5), 146-163. http://dx.doi.org/10.16992/ASOS.13112
20. Karaaslan, A., Abar, H. ve Çamkaya, S. (2017). CO2 salınımı üzerinde etkili olan faktörlerin araştırılması: OECD ülkeleri üzerine ekonometrik bir araştırma. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(4), 1297- 1310.
21. Koengkan, M. & Fuınhas, J. A. (2017). The Negative Impact of Renewable Energy Consumption on Carbon Dioxide Emissions: An Empirical Evidence from South American Countries. Revista Brasileira de Energias Renováveis, 6(5), 893-914.
22. Meçik, O. ve Koyuncu, T. (2020). Türkiye’de göç ve ekonomik büyüme ilişkisi: TodaYamamoto nedensellik testi. İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 9(3), 2618-2638. https://doi.org/10.15869/itobiad.748770
23. Narayan, P. K. (2004). Fiji‟s tourism demand: The ARDL approach to cointegration. Tourism Economics, 10(2), 193–206. https://doi.org/10.5367/000000004323142425
24. Naz, S., Sultan, R., Zaman, K., Aldakhil, A. M., Nassani, A. A. & Abro, M. M. Q. (2018). Moderating and Mediating Role of Renewable Energy Consumption, FDI İnflows, And Economic Growth On Carbon Dioxide Emissions: Evidence from Robust Least Square Estimator. Environmental Science and Pollution Research, 26, 2806-2819.
25. Okumuş İ. (2020). Türkiye’de yenilenebilir enerji tüketimi, tarım ve CO2 emisyonu ilişkisi. Uluslararası Ekonomi ve Yenilik Dergisi, 6(1), 21-34. https://doi.org/10.20979/ueyd.659092
26. Pata, U. K., Yurtkuran, S. ve Kalça, A. (2016). Türkiye’de enerji tüketimi ve ekonomik büyüme: ARDL sınır testi yaklaşımı. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 38(2), 255-271. https://doi.org/10.14780/muiibd.281411
27. Pesaran, M. H., Shin, Y. & Smith, R. J. (2001). Bounds testing approaches to the analysis of level relationships. Journal of Applied Econometrics, 16(3), 289-326. https://doi.org/10.1002/jae.616
28. Phillips, P. C. B., Perron, P. (1988). Testing for a unit root in time series regression. Biometrika, 75(2), 335-346. https://doi.org/10.2307/2336182
29. Polat, M. & Gemici, E. (2017). Analysis of the relationship between BIST and BRICS stocks in terms of portfolio diversification: cointegration analysis with ARDL boundary test. Journal of Economics, Finance and Accounting, 4(4), 393-404.
30. Riyath, M. I. M. (2018). Toda and Yamamoto causality test between US$ exchange rates and stock market prices in Sri Lanka. SAJSSE, 2(3), 1-9.
31. Sevüktekin, M. ve Çınar, M. (2017). Ekonometrik zaman serileri analizi: Eviews uygulamalı (Beşinci baskı). Dora Yayın.
32. Squalli, J. (2007). Electricity consumption and economic growth: Bounds and causality analyses of OPEC members. Energy Economics, 29(6), 1192-1205. https://doi.org/10.1016/j.eneco.2006.10.001
33. Squalli, J. (2017). Renewable Energy, Coal as A Baseload Power Source, and Greenhouse Gas Emissions: Evidence from U.S. State-Level Data. Energy, 127, 479-488.
34. Subaşı, S. (2019). CO2 emisyonları, doğal gaz, yenilenebilir enerji kaynakları ve ekonomik büyüme ilişkisi: Türkiye’deki dinamik değişkenlerin analizi [Yayınlanmamış Yüksek lisans tezi]. Dicle Üniversitesi.
35. Szetela, B., Majewska, A., Jamroz, P., Djalilov, B. & Salahodjaev, R. (2022). Renewable energy and CO2 emissions in top natural resource rents depending countries: the role of governance. Front. Energy Res., 10, 1- 7. https://doi.org/10.3389/fenrg.2022.872941
36. Valadkhani, A., Smyth, R. & Nguyen, J. (2018). Effects of Primary Energy Consumption On CO2 Emissions Under Optimal Thresholds: Evidence from Sixty Countries Over the Last Half Century. Energy Economics, 80, 680- 690.
37. Wilks, S. S. (1932). Moments and distributions of estimates of population parameters from fragmentary samples. The Annals of Mathematical Statistics, 3(3), 163–195.