Quarterly Journal of The Macro and Strategic Policies

Quarterly Journal of The Macro and Strategic Policies

Calculation of intra-industry trade by commodity groups and its impact on environmental pollutants using panel data methods: A case study of ECO countries

Document Type : Research/Original/Regular Article

Authors
1 Assistant Professor, Faculty of Economics and Political Science And Head of the Economic and Political Studies Center at Shahid Beheshti University, Tehran, Iran
2 M. A. in Economics, Faculty of Economics and Political Science, Shahid Beheshti University, Tehran, Iran.
10.30507/jmsp.2026.567725.2878
Abstract
Among various trade patterns, intra-industry trade has received special attention from countries due to its specific effects on environmental quality. Given the importance of this issue, this study attempts, first, to calculate the intra-industry trade index for 21 sectors and 98 commodity codes during the period 2000-2023 in the Economic Cooperation Organization (ECO) countries. The data used was obtained from the World Bank database. The study also tries to examine the effect of this index on carbon dioxide emissions in these countries using the panel data method. The results show that the index for Iran has experienced relatively high fluctuations, with a downward trend ranging between 0.10 and 0.0.35. However, the average of this index for Iran has been higher compared to the average of other ECO countries. The model estimation results indicate that intra-industry trade, per capita gross national product, urbanization rate, and energy intensity have a direct and significant impact on carbon dioxide emissions among these countries. Considering the importance of the trade sector, which has always been at the top of every country's strategic economic policies, it is suggested that Iran, in expanding intra-industry trade with ECO countries, review the types of goods it imports and exports as well as its environmental regulations, manage the urbanization rate, and, by using appropriate technology, reduce its energy intensity.
Keywords
Subjects

مقدمه

اولین هدف هر اقتصادی رسیدن به رشد پایدار و باثبات است. در میان عوامل موثر بر رشد پایدار، تجارت نقش بی‌بدیلی را داشته، به طوری که علاوه آن‌که موتور محرک بخش تولیدی بوده، زمینه انتقال دانش و تعاملات فرهنگی را نیز محیا می‌نماید. آدام اسمیت تجارت خارجی را وسیله‌ای برای گسترش بازار داخلی، تقسیم‌کار و افزایش تولید می­داند (فرهادی، 1383). از این رو در برنامه‌های توسعه و سیاستهای کلان و راهبردی اقتصادی خود، کشورها همواره سعی دارند تا توجه ویژه‌ای به بخش تجارت داشته باشند و از طریق سیاستهای راهبردی مناسب زمینه بسط و گسترش بخش مذکور را فراهم آورند. با در دنیای امروزی و در میان در الگوهای متعدد تجارت مانند آزادسازی تجارت، یکپارچگی تجاری، تجارت درون صنعتی و بین صنعت، الگوی تجارت درون صنعت بواسطه ویژگی‌هایی که دارد، مورد استقبال قرار گرفته است. در الگوی تجارت درون صنعت، به دلیل افزایش ارتباطات تجاری متقابل، ارتباط عمودی طرف های تجاری افزایش میابد و این امر موجب افزایش روابط بلند مدت کالایی، عمیق تر شدن روابط تجاری، و ایجاد مقیاس تولیدی بین کشورها می‌شود (یزدانی و همکاران، 1396). اگرچه تجارت بوسیله رشد اقتصادی منشاء تحولات مثبت خواهد بود (فارغ از نوع الگوی تجاری)، اما این امکان وجود دارد که بواسطه انتقال صنایع آلاینده، زمینه افزایش آلودگی در کشورهای مقصد را فراهم آورد.

در این مطالعه سعی می‌شود تا مراودات تجاری ایران با برخی از کشورهای همسایه تحت عنوان اکو (ECO[1]) و تاثیر آن بر میزان آلاینده‌های تولید شده (در این مطالعه مشخصا میزان تولید دی‌اکسید کربن می‌باشد) بررسی شود. لازم به ذکر است که سازمان اکو در سال 1985 بر اساس مبنای قانونی همکاری منطقه ای برای توسعه همکاری های اقتصادی منطقه ای توسط ترکیه، ایران و پاکستان تأسیس شد. با مشارکت کشورهای آذربایجان، قزاقستان، قرقیزستان، ازبکستان، تاجیکستان، ترکمنستان و افغانستان در سال 1992، ECO به یک سازمان اقتصادی منطقه ای تبدیل شد که جمعیتی حدود 500 میلیون نفر را در مجموع 8 میلیون کیلومتر مربع را پوشش می دهد.

داده های مربوط وضعیت انتشار دی­اکسیدکربن کشورهای عضو مورد بررسی در این مطالعه (یعنی اکو) نشان از روند فزاینده­ای انتشار این گاز طی سال­های 1990-2020 دارد. طی دوره مذکور، ایران بیشتر از از سایرکشورهای عضو اکو، دی­اکسیدکربن منتشرکرده به طوری­که  میزان انتشار آن از 198 میلیون کیلوگرم در سال 1990 به 616 میلیون کیلوگرم در سال 2020 رسیده ­است. در این دوره، برخی کشورها مانند قزاقستان ، قرقیزستان، آذربایجان و تاجیکستان روند نزولی در انتشار کربن داشته­اند. وضعیت میزان انتشار دی‌اکسید کربن در کشورهای مذکور را می توان در نمودار 1 نشان داد.

نمودار 2- انتشار دی‌اکسید کربن در کشور های عضو اکو (کیلو تن)

منبع: درگاه بانک جهانی

در این مطالعه تلاش می­شود تا وضعیت تجارت درون صنعت برای ایران و کشورهای اکو و تاثیر آن بر میزان انتشار گاز دی اکسید کربن موردبررسی قرار گیرد. دوره‌ی مورد بررسی سال‌های 1380-1399 خواهد بود و از مدل­ داده های ترکیبی برای انجام این کار استفاده می­شود. در پایان لازم به ذکر است که میزان تجارت درون صنعت ایران و کشورهای عضو سازمان همکاری اقتصادی (اکو) با استفاده از شاخص گروبل و لوید[2]، برای 21  بخش و 98 کد کالایی بر پایه طبقه‌بندی کدهای تعرفه‌ای (HS)[3] به‌صورت جداگانه، محاسبه می‌شود که این موضوع، جنبه نوآوری مطالعه حاضر می‌باشد.

1.    مبانی نظری

در نظریات سنتی تجارت که بازدهی نسبت به مقیاس تولید را ثابت و بازارها را در حالت رقابت کامل فرض کرده‌اند، کشورها کالایی را تولید و و صادر خواهند کرد که نسبت به سایر کشورها، از فراوانی نسبی در عوامل تولید برای تولید آن کالا برخوردار باشند (یونس پور و همکاران، 1399).

در تجارت درون صنعت، یک کشور می تواند همان کالایی را وارد کند که صادر می کند و تجارت بیشتر درون صنایع است نه مابین صنایع. همچنین این نوع تجارت به دو دسته عمودی  و افقی  تقسیم بندی می شود. الگوی تجارت درون صنعت نقش بارزتری در حفظ کیفیت محیط زیست نسبت به الگوی تجارت بین صنعت دارد؛ زیرا کاهالای تمام شده دراین نوع الگوی تجارت از ناحیه کنترل تجاری، سیاسی و تهدیدهای زیست محیطی تحت فشار کمتری قرار دارد. به دلیل اینکه این تجارت عامل کنترل کننده محیط زیست است کشورهای توسعه یافته از این نوع تجارت استفاده می کنند (همان منبع).

در الگوی تجارت درون صنعت به دلیل افزایش ارتباطات تجاری متقابل، ارتباط عمودی طرف های تجاری افزایش می‌یابد و این امر موجب افزایش روابط بلند مدت کالایی، عمیق تر شدن روابط تجاری و ایجاد مقیاس تولیدی بین کشورها می‌شود. (یزدانی و همکاران، 1396) همچنین براساس نظریه مقیاس تولیدی کشوری که در آن کالای وارداتی نقش کالای واسطه ای و نه کالای نهایی را داشته باشد، دارای مزیت نسبی است. در این صورت است که کشور در بلند مدت و با استفاده از نوآوری تکنولوژیکی می تواند این کالا را صادر کند (همان منبع) تجارت آزاد از سه طریق می‌تواند بر محیط زیست اثر بگذارد: (نگین‌تاجی و همکاران، 1401)

1- اثر مقیاس: هنگامی که  تجارت آزاد منجر به گسترش فعالیت‌های اقتصادی شده  بدون انکه ماهیت ایت فعالیتها تغیر کرده باشد. این اثر منجر به بالا رفتن مصرف انرژی و بالطبع آن افزایش میزان آلودگی می‌شود.

2- اثر ساختاری (ترکیبی): به هنگام آزادسازی تجاری، تنوع  محصول صادراتی یا وارداتی می تواند تغیر نماید و می‌تواند تاثیرات مثبت یا منفی بر میزان آلودگی داشته باشد.

3- اثر فناوری: هنگامی که  تجارت آزاد باعث تغییرات فنی- تکنولوژی در ساختار تولید شده و باعث کاهش نسبت عوامل تولید به محصول می‌شود. این امر منجر به بهبود درآمدها می‌شود که خود، تقاضای استفاده از تکنولوژی سبز و پاک را افزایش می‌دهد. بنابراین در بلندمدت می تواند  آلودگی را کاهش دهد.

در مطالعاتی مانند کاظم­زاده و همکاران(2022)، لیتائو (2021)، لیتائو و بالوق(2020)، گالوچی و همکاران (2019) و روی (2017) این نتیجه بدست آمده که تجارت درون صنعت با بهره­گیری از فناوری­ها و تکنولوژی­های پاک­تر منجر به بهبود کیفیت محیط­زیست خواهد شد. در مقابل مطالعاتی مانند آگاروال و همکاران(2022) و خان و همکاران(2020) نشان دادند که تجارت درون صنعت به دلیل کیفیت پایین کالاهای وارداتی منجر به آسیب به محیط­زیست می­شوند و آلودگی­های بیشتری را ایجاد می­کند. در یک نگاه کلی­تر می­توان چنین استنباط کرد که با برقراری تجارت درون صنعت کیفیت محیط­زیست(به ویژه از نظر آلاینده­های هوا) در کشورها به یکدیگر نزدیک می­شود. (لیتائو و همکاران، 2022)

گسترش تجارت باعث رشد اقتصادی می‌شود که کیفیت محیط زیست تحت تاثیر قرار گیرد. استفاده بیش از حد از منابع طبیعی که در پی رشد اقتصادی به وجود می آید زیان های جدی به محیط زیست وارد می‌سازد که یکی از این زیان ها ایجاد باران‌های اسیدی است. این باران‌ها موجب نابودی محصولات کشاورزی، درختان، اکوسیستم‌های طبیعی می‌شود؛ همچنین با نابودی آثار تاریخی، می­تواند به اقتصاد کشور آسیب وارد سازد. همچنین رشد اقتصادی موجبات افزایش درآمد سرانه را فراهم می‌آورد که رابطه معکوس آن با کیفیت محیط زیست قبلا اثبات شده است. ارتباط درآمد سرانه و انتشار دی‌اکسیدکربن در بسیاری از مطالعات با فرضیه کوزنتس[4] مورد توجه قرار گرفته است. این فرضیه برای اولین بار توسط گروسمن و کروگر[5] 1991، به صورت U وارونه به ارتباط درآمد و آلودگی محیط زیست مورد تایید قرار گرفت. این رابطه این­گونه بیان می­شود که افزایش رشد اقتصادی و درآمد سرانه، ابتدا موجب افزایش آلودگی محیط زیست می شود؛ اما پس از رسیدن به یک سطح آستانه­ای از درآمد سرانه، با افزایش درآمد، میزان آلودگی محیط زیست نیز شروع به کاهش می­کند. (امیری، 1394) از طرفی دیگر، جمعیت انسانی می تواند بر تغییرات اقلیمی تأثیر بگذارد و هم می‌تواند تحت تأثیر آن باشد. تغییر اندازه جمعیت، افزایش آمار شهری شدن، اندازه و سن ترکیب خانوار، می تواند بر تغییرات دو طرفه میان تغییرات زیست محیطی و همچنین ساختار جمعیت دلالت داشته باشد (برین و همکاران،2012). ارتباط بین محیط زیست و جمعیت توسط هولدرن و اریچ[6]، به صورت رابطه (1) بیان می شود:

I=P . A . T                                                                                    (1)

در این رابطه I بیانگر اثر محیط زیست، P جمعیت کل ، A  مصرف سرانه و T تکنولوژی یا اثر واحد بر مصرف است (برنتلی، 2014).

افزایش جمعیت از طریق افزایش تقاضا برای زمین های کشاورزی، منابع انرژی، آبی و.. می تواند موجب از بین رفتن جنگل ها مراتع و همچنین منابع زیست محیطی شود؛ به همین دلیل محققان بررسی کرده اند که رشد جمعیت و عامل انسانی مهم‌ترین دلیل افزایش آلودگی محیط زیست است (صادقی و سعادت، 1383).

دو دیدگاه در رابطه با آلودگی محیط زیست و جمعیت شهری وجود دارد. دیدگاه اول معتقد است که با رشد جمعیت شهری، میزان استفاده از حمل و نقل افزایش یافته، مصرف انرژی بیشتر شده، بخش صنعت جایگزین بخش کشاورزی می‌شود و این اتفاقات منجر به افزایش میزان آلودگی می‌شود. اما دیدگاه دوم باور دارد که فرهنگ شهرنشینی، موجب استفاده بهینه از انرژی می‌شود و این امر می‌تواند آلودگی را کاهش دهد. به همین دلیل میان رشد جمعیت و آلودگی محیط زیست می تواند رابطه ای منفی وجود داشته باشد (فطرس و همکاران، 1390). در ادامه سعی می‌شود تا مطالعات داخلی و خارجی انجام شده در زمینه تجارت درون صنعت و تاثیرات آن بر محیط زیست مورد بررسی قرار گیرند تا با استفاده‌ها از آن‌ها و همچنین مبانی نظری، مدل نهایی مورد تدوین قرار گیرد.

2.    پیشینه پژوهش

پاتا و همکاران (2023) به بررسی اثرات انرژی های تجدیدپذیر، سرمایه گذاری مستقیم خارجی و درآمد بر میزان انتشار دی اکسیدکربن پرداختند. برای این منظور، از برآوردگر پانل [7]ARDL و دوره مورد بررسی، سال‌های 1995 تا 2018 استفاده شد. نتایج نشان می دهد که سرمایه گذاری مستقیم خارجی باعث افزایش انتشار دی‌اکسیدکربن می‌شود. درآمد واقعی و باز بودن تجارت باعث کاهش تخریب محیط زیست می شود. همچنین استفاده از انرژی‌های تجدیدپذیر، تنها در کوتاه مدت انتشار کربن را کاهش می‌دهد و در بلندمدت هیچ تأثیری ندارد. لیتائو و همکاران  (2022) در مقاله‌ای نقش تجارت درون صنعت، سرمایه‌گذاری مستقیم خارجی و انرژی‌های تجدیدپذیر را بر میزان انتشار دی‌اکسیدکربن در کشور پرتغال مورد بررسی قرار دادند. بدین منظور از داده‌های سال های 2000-2018 و روش ARDL استفاده شده است. نتایج نشان داده که تجارت درون صنعت، انرژی‌های تجدیدپذیر و سرمایه‌گذاری مستقیم خارجی باعث کاهش انتشار کربن دی‌اکسید خواهند شد. لیتائو  (2021) در مطالعه‌ای دیگر،  نقش تجارت در میزان انتشار دی‌اکسیدکربن در کشور پرتقال را بررسی نموده است. این مطالعه با استفاده از داده‌های 1970-2016 شده است. نتایج به دست آمده نشان می‌دهد که شدت تجارت به بهبود کیفیت محیط‌زیست کمک می‌کند. با این حال، مصرف انرژی تأثیر مثبتی بر انتشار دی‌اکسید کربن دارد. لیتائو و بالوق  (2020) تاثیر مصرف انرژی، کشاورزی، و تجارت درون صنعتی بر آلودگی محیط زیست در کشورهای اتحادیه اروپا را با استفاده از داده های تابلویی برای دوره 2000-2014 بررسی نمودند. نتایج نشان می‌دهد که تجارت درون‌صنعتی کشاورزی، انرژی‌های تجدیدپذیر با تغییرات اقلیمی همبستگی منفی دارد و فرضیه آلایندگی کمتر را تأیید می‌کند. چین و همکاران  (2018)، رابطه بین انتشار دی‌اکسیدکربن، درآمد سرانه و تجارت عمودی درون صنعتی را مورد بررسی قرار دادند. این مطالعه نشان داد که تجارت عمودی درون صنعتی با انتشار دی اکسید کربن رابطه مثبتی دارد و این نوع تجارت با تئوری مزیت رقابتی توضیح داده می‌شود. روی  (2017)، در مطالعه ای به بررسی دلالت های زیست محیطی تجارت درون صنعت، با استفاده از روش GMM [8] در 200 کشور طی بازه زمانی 2000-2005 پرداخته است. نتایج تحقیق حاکی از آن است که تجارت درون صنعت موجب هزینه‌های کمتر و جذب تکنولوژی می‌شود و به همین دلیل اثر قابل توجهی بر بهبود کیفیت محیط زیست دارد. شهباز و همکاران  (2013) رابطه بین رشد اقتصادی، مصرف انرژی و توسعه مالی با استفاده از روش ARDL  و طی دوره 1975-2011 در اندونزی را مورد بررسی قرار دادند. نتایج حاکی از آن است که توسعه مالی و تجارت بین الملل در افزایش انتشار در اکسید کربن تأثیر کمی دارند. شهباز  (2013) در مطالعه ای خود تاثیر  توسعه مالی بر نیزان آلودگی در کشور پاکستان را برای بازه زمانی 1971-2009 با استفاده از روش ARDL مورد بررسی قرار می‌دهد. نتایج این پژوهش نشان می‌دهد که توسعه مالی، آلودگی محیط زیست را افزایش داده است. در ادامه این قسمت، مطالعات داخلی ارایه می‌شوند.

یاوری و همکاران(1402) به بررسی اثر باز بودن تجاری بر آلودگی هوا در کشورهای منطقه منا با رویکرد اقتصاد سنجی فضایی پرداختند. در این مطالعه اثر تبادلات ناشی از باز بودن تجاری بر انتشار دی‌اکسید کربن در کشورهای منطقه منا  طی دوره 2004 تا 2020 بررسی شده است. نتایج حاکی از تأیید اثر مجاورت فضایی و تأثیر مثبت درجه باز بودن تجاری بر انتشار دی‌اکسید کربن در کشورهای مورد مطالعه میباشد.

نگین‌تاجی و ایزدخواستی (1401) در مطالعه خود به بررسی تأثیرات تجارت بین‌المللی و سرمایه‌گذاری مستقیم خارجی بر میزان انتشار دی‌اکسید کربن در کشورهای گروه D8 پرداخته‌اند. برای انجام این موضوع، از داده‌های‌ بانک جهانی طی دوره 1993 تا 2018 و به کمک روش داده‌های تابلویی استفاده شده است. نتایج نشان داده که تولید ناخالص داخلی اثری مثبت و معنی‌دار بر میزان انتشار دی‌اکسید کربن داشته است. با توجه به اینکه ضریب متغیر توان دوم تولید ناخالص ملی منفی شده، فرضیه زیست محیطی کوزنتس کشورهای مذکور مطالعه شده است. دیگر متغیر این مطالعه، یعنی سرمایه‌گذاری مستقیم خارجی تاثیری معنادار بر انتشار دی اکسید کربن اثر نداشته است. همچنین صادرات و واردات به ترتیب تاثیر مثبت و منفی و معنادار بر انتشار دی‌اکسید کربن داشته است.

یونس پور و همکاران (1399)، در مطالعه ای، تجارت درون صنعتی ایران و شرکای تجاری منتخب با رویکرد محیط زیستی را با استفاده از شاخص های گروبل-لوید و فونتان و فرندبرگ و شاخص اظهر و الیوت، در بازه زمانی 2001-2015 مورد بررسی قرار دادند. نتایج حاصل از این تحقیق بیان می‌دارد که تجارت درون صنتعی باعث بهبود کیفیت محیط زیست شده است. امیری و همکاران (1395)، به بررسی تأثیر آستانه ای درآمد بر شدت انتشار دی اکسید‌کربن، با استفاده از روش داده های تابلویی، کشورهای منا در بازه زمانی 1980-2011 پرداخته‌اند. نتایج این تحقیق حاکی از آن است که توسعه مالی و افزایش درآمد سرانه موجب کاهش دی‌اکسیدکربن می‌شود. کاظمی و همکاران (1395) در مطالعه‌ای، اثر رشد جمعیت بر آلودگی محیط زیست در کشورهای در حال توسعه و صنعتی را با استفاده از روش داده‌های تابلویی در بازه زمانی 1990-2012 را بررسی کرده‌اند. نتایج حاکی از آن است که درکشورهای صنعتی، افزایش جمعیت تأثیری بر آلودگی ندارد اما در کشورهای در حال توسعه، رشد جمعیت موجب آلودگی می شود. کاظمی و همکاران (1393) در مقاله‌ای به بررسی عوامل اقتصادی و اجتماعی موثر بر انتشار دی‌اکسید کربن کشورهای در حال توسعه با استفاده از روش داده های تابلویی در بازه زمانی 1990-2012 پرداخته‌اند. نتایج نشان می‌دهد که مصرف انرژی و رشد جمعیت با انتشار دی اکسیدکربن رابطه مثبت و معناداری دارند. محمودی و شاهنوسی (1391) به بررسی ارتباط میان سرمایه‌گذاری، مصرف انرژی وآلودگی در کشورهای در حال توسعه با استفاده از روش داده‌های تابلویی در بازه زمانی 1980-2007 پرداخته‌اند. نتایج نشان می‌دهد که بین سرمایه‌گذاری و مصرف انرژی و آلودگی رابطه مثبت و معناداری وجود دارد. برقی اسکویی (۱۳۸۷) نیز آثار آزادسازی بر انتشار گازهای گلخانه‌ای (دی‌اکسید کربن) را از طریق منحنی محیط زیست کوزنتس برای چهار گروه از کشورها در سال‌های ۱۹۹۲ تا ۲۰۰۰ بررسی کرد. نتایج نشان داده اثر آزادسازی تجاری در این گروه از کشورها متفاوت است. بدین معنی که در کشورهای با درآمد سرانه بالا و متوسط بالا  منجر به کاهش انتشار دی‌اکسید کربن شده است و در سایر کشورها (با درآمد سرانه پایین و متوسط پایین) به افزایش انتشار دی‌اکسیدکربن منجر شده است. آذربایجانی و ایزدی (۱۳۸۵)، ارتباط تجارت درون صنعت ایران با چین را برای داده های تجارت در سطح کدهای چهار رقمی طی سال های ۲۰۰۰-۱۹۹۷ محاسبه کرده اند. نتایج نشان می‌دهد که تجارت درون صنعت سهم کمی از تجارت ایران با چین را تشکیل می دهد که عمدتا از نوع تجارت درون صنعت عمودی در زمینه تولید مواد اولیه و کالاهای با کیفیت پایین بوده است.

3.    روش تحقیق

ماهیت و ساختار داده‌ها به کار رفته در الگوی این مطالعه از نوع داده‌های ترکیبی است. داده‌های ترکیبی یا پانل دیتا به گروهی از داده‌ها گفته می-شود که از تلفیق مشاهدات سری زمانی و مقطعی مربوط به کشورها، شهرها، خانوارها یا بنگاه‌ها به دست می‌آیند. در این گروه از داده‌ها مشاهدات آماری یک متغیر در طول یک بازه زمانی برای چندین مقطع گردآوری خواهد شد. الگوی کلی برای داده‌های ترکیبی به صورت زیر می‌باشد:

 =  +    + …. + ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌                                                                                                    (4)

    در این معادله، i بیانگر مقاطع و t نشانگر زمان است. Yit ماتریس متغیر وابسته با ابعاد NT×1، X ماتریس متغیر توضیحی با ابعاد NT×K می‌باشد وβ برداری از ضرایب به ابعاد K×1 است. K تعدا متغیرهای توضیحی موجود (بدون احتساب عرض از مبدا) در X_it را نشان می-دهد.

با توجه به مبانی نظری و همچنین مطالعات انجام شده که در قسمت ادبیات موضوع ارایه شده، الگوی مورد نظر به صورت زیر تدوین شده است:

                             (5)                                                                                        Co2 = f (IIT, GDP, EI, Urbang)           

در رابطه بالا، CO2 میزان  انتشار دی اکسید کربن (واحد آن کیلو تن)،EI  شدت انرژی (که نشان دهنده میزان مصرف انرژی به ازای تولید هر واحد کالا یا خدمات است)،   Urbanنسبت جمعیت شهرنشین  از کل جمعیت (که از تقسیم جمعیت شهرنشین به کل جمعیت کشور بدست آمده و بدون واحد است)، GDP  تولید ناخالص داخلی سرانه (از تقسیم تولید ناخالص داخلی بر کل جمعیت کشور بدست می‌آید) و IIT شاخص تجارت درون صنعت می‌باشد. داده‌ها از سایت بانک جهانی و یا از سایت سازمان ملل متحد[9] گردآوری شده است. . برآورد مدل با استفاده از روش داده‌های تابلویی و به کمک نرم‌افزار Eviews 12 انجام می‌شود. لازم به ذکر است که با توجه به آنکه فرم مدل نهایی به صورت لگاریتمی مورد برآورد قرار می‌گیرد، تمامی آزمون‌ها بر روی لگاریتم متغیرها انجام می‌شود. به همین دلیل، در ابتدای همه متغیرها حرف L مخفف لگاریتم آمده است.

4.    یافته‌های پژوهش

در این قسمت، ابتدا شاخص تجارت درون صنعت محاسبه می‌شود و در قسمت بعدی، اثر این شاخص بر میزان دی اکسید کربن منتشر شده بررسی می‌شود.

4.1.        محاسبه شاخص تجارت درون صنعت

نخستین بار گروبل و لوید (1975) شاخصی را برای اندازه­گیری تجارت درون صنعت طراحی و ارائه نمودند. مقدار این شاخص بازه عددی 0 تا 1 می‌باشد، زمانی که شاخص برابر با 1 شود تجارت کاملأ درون صنعتی بوده و زمانی که صفر شود تجارت کاملأ بین صنعتی است. شاخص تجارت درون صنعت گروبل و لوید به صورت زیر می­باشد:

IIT =                   (1)

دراین معادله 1،  نشان­دهنده صادرات و  نشان­دهنده واردات در صنعت i است. پس از گروبل و لوید، آکینو[10] شاخص جدیدی از تجارت درون صنعت را با ارائه تعریفی جدید از مقادیر صادرات و واردات معرفی نمود. این شاخص به شکل زیر می­باشد:

Aquinoi =                                         (2)

در رابطه 2، j  تعداد زیرگروه­های موجود در صنعت iام است و:

                     و (3)  

­اما انتقاداتی که به این شاخص وارد شد سبب شد که عملأ کاربرد چندانی نداشته باشد. در واقع منتقدین این شاخص معتقدند که این شاخص فقط ترکیب تجاری کشور را نشان می­دهد. پس از آکینو شاخص­های دیگری نیز در این زمینه ارائه شد، اما تمایل پژوهشگران هم­چنان به سمت شاخص گروبل و لوید می­باشد و اغلب مطالعات از این شاخص استفاده کرده­اند. در مطالعه حاضر نیز به منظور اندازه­گیری شاخص تجارت درون صنعت از شاخص گروبل و لوید استفاده شده است. بنابراین این شاخص برای 21 گروه و 98 کد کالایی از قبیل کاشی و سرامیک،  سبزیجات؛ گوشت و ... بر طبق کدهای تعرفه ایHS به صورت جداگانه برای کشورهای عضو سازمان همکاری اقتصادی شامل ایران، ترکیه ، پاکستان، آذربایجان، ازبکستان، افغانستان، تاجیکستان، ترکمنستان، قزاقزستان و قرقیزستان برای بازه زمانی 2000 تا 2020 اندازه‌گیری شده است. اطلاعات مورد نیاز برای ساخت شاخص، از واردات و صادرات 21 گروه کالایی در قالب 98 کد (زیرگروه) از پایگاه کامترید پلاس[11] مربوط به سازمان ملل برای تمام کشورها به صورت متقابل گردآوری شده است. برای محاسبه شاخص تجارت درون صنعت کشورها طی دوره مذکور از نرم­افزار اکسل استفاده شده است.

نتایج محاسبات نشان می‌دهد که در دوره زمانی مورد مطالعه، تجارت درون صنعت ایران با کشورهای منتخب عضو اکو نوسان نسبتأ  بالایی داشته و در بازه 10/0 تا 35/0 نوسان داشته است. روند کلی این شاخص نشان دهنده کاهشی بودن میزان تجارت درون صنعت ایران ر بوده است. بیشترین میزان این شاخص در سال 2018 به میزان 35/0به ثبت رسیده و کمترین در سال 2009 به میزان 10/0 گزارش محاسبه شده است میانگین امتیاز ایران در شاخص تجارت درون صنعت 26/0 می‌باشد که در مقایسه با میانگین کل گروه که مقدار 15/0 را نشان می‌دهد، شاخص ایران بزرگتر بوده است. نمودار 1 وضعیت شاخص درون صنعت ایران، ترکیه و میانگین این شاخص برای همه کشورها را نشان می‌دهد.

نمودار 2- شاخص تجارت درون صنعت برای ایران، ترکیه و میانگین کشورهای عضو اکو

             منبع: یافته‌های پژوهش

4.2.        برآورد اثر شاخص تجارت درون صنعت بر انتشار میزان دی اکسید کربن

قبل از برآورد مدل نیاز هست تا چند آرمون تشخیصی انجام گیرد تا نتایج بدست آمده مورد اعتماد باشد. برای این منظور ابتدا آزمون مانایی داده‌ها انجام می‌گیرد. برای انجام این مهم، از آزمون ریشه واحد پانلی لوین، لین و چو[12]  استفاده شده که نتایج آن در جدول (1) ملاحظه می‌شود.

جدول 1 - آزمون مانایی

متغیر

آماره آزمون

احتمال

LCO2

-81/2

00/0

LEI

12/2-

01/0

LGDP

-89/4

00/0

LIIT

-23/5

00/0

LUrban

-68/1

04/0

            منبع: یافته­های پژوهش

بر اساس نتایج گزارش شده در جدول بالا، تمامی متغیرهای حاضر در الگوی مطالعه، با احتمال‌های کمتر از 05/0 مانا هستند. برای یافتن ارتباط واقعی و بلندمدت بین متغیرهای مدل، از آزمون کائو[13] (که یکی از آزمونهای هم‌انباشتگی پانلی است) استفاده شده و نتیجه آن در جدول زیر ارایه می‌شود.

جدول 2- آزمون هم­انباشتگی کائو

 

آماره آزمون

احتمال

آزمون کائو

85/2-

002/0

                                      منبع: یافته­های پژوهش

فرضیه پایه­ای که در آزمون هم­انباشتگی کائو برقرار است، بیانگر وجود نداشتن رابطه بلندمدت و تعادلی میان متغیرها است. با توجه به نتیجه آمده در جدول 2، فرضیه صفر رد شده و لذا نتیجه گرفته می‌شود که رابطه تعادلی و بلندمدتی میان متغیرهای الگو برقرار است.

بعد از انجام آزمون‌های مانایی و هم‌انباشتگی که نشان دادند شرایط اولیه برای برآورد الگوی داده‌های ترکیبی وجود دارد، برای انتخاب تکنیک برآورد مدل می‌بایست آزمون‎های تشخیصی را انجام داد. نخستین آزمون تشخیصی، آزمون چاو[14] می‌باشد که نوع مدل را از بین دو مدل داده‌های تلفیقی  و داده‌های ترکیبی  تشخیص می‌دهد. در جدول 3 نتایج این آزمون قابل مشاهده است.

جدول 3- آزمون چاو (F لیمر)

آماره

ضریب

احتمال

Cross-section F

105/45

00/0

Cross-section Chi-square

112/231

00/0

           منبع: یافته­های پژوهش

نتایج جدول بالا نشان می‌دهد که مدل داده­های ترکیبی بر داده­های تلفیقی ارجحیت دارد. پس از این که مشخص شد مدل مناسب برای برآورد الگو، مدل داده­های ترکیبی است و ازآنجایی‌که این مدل نیز به دو روش اثرات ثابت و اثرات تصادفی امکان برآورد دارد، باید آزمون تشخیصی دیگری تحت عنوان آزمون هاسمن[15] انجام داد. این آزمون روش برآورد را از بین دو روش اثرات ثابت و اثرات تصادفی تشخیص می­دهد. نتیجه این آزمون که در جدول 4 آمده نشان می‌دهد که مدل نهایی باید به روش اثرات تصادفی برآورد شود.

جدول 4- آزمون هاسمن

آماره

ضریب

احتمال

Cross-section random

91/6

14/0

                                منبع: یافته­های پژوهش

انجام آزمون‌های تشخیصی چاو و هاسمن نشان داد که مناسب­ترین روش برای برآورد الگوی مطالعه، روش اثرات تصادفی می­باشد؛ بنابراین الگوی مطالعه به این روش برآورد شده نتایج برآورد مدل در جدول 5  آمده است.

جدول 5- برآورد مدل با روش اثرات تصادفی

متغیر

ضریب

احتمال

LEI

02/1

000/0

LGDP

09/1

000/0

LIIT

42/0

009/0

LUrban

72/220

000/0

C

94/517-

000/0

F-statistic

52/282

000/0

R-squared

853/0

           منبع: یافته­های پژوهش

نتایج آمده در جدول بالا نشان می‌دهد که شاخص تجارت درون صنعت بر انتشار دی‌اکسید کربن تاثیری مستقیم و معناداری دارد به طوری که یک واحد افزایش در شاخص تجارت درون صنعت موجب افزایش انتشار دی‌اکسید کربن به میزان 0.42 می‌شود. بنابراین ا افزایش تجارت در بین کشورهای اکو، روند انتشار کربن دی­اکسید نیز  افزایشی خواهد بود. در واقع، تجارت درون صنعت باعث افزایش فعالیت‌های صنعتی و اقتصادی می‌شود که به تبع آن مصرف انرژی و انتشار CO2 نیز افزایش می‌یابد.از طرفی، تجارت درون صنعت ممکن است منجر به افزایش حجم حمل و نقل بین کشورها شود. این حمل و نقل بیشتر نیاز به سوخت فسیلی داردکه باعث افزایش مصرف سوخت و انتشار CO2 می‌شود.علاوه بر این، تجارت درون صنعت ممکن است منجر به تغییر الگوی تولید شود. به عبارت دیگر، برخی کشورها ممکن است تمایل داشته باشند که فعالیت‌های تولیدی خود را به کشورهای دیگر منتقل کنند که قوانین محیط زیستی کمتری دارند. این منجر به افزایش فعالیت‌های صنعتی و انتشار CO2 در کشورهای مقصد می‌شود.

دیگر متغیر این مدل، شدت انرژی است که آن‌هم با متغیر وابسته مدل یعنی میزان انتشار گاز دی‌اکسید کربن رابطه مستقیم و معناداری دارد. زمانی که انرژی به صورت سوخت فسیلی مانند نفت، گاز طبیعی و ذغال سنگ استفاده می‌شود، کربن ذخیره شده در این منابع به صورت CO2 به جو آزاد شده و منجر به افزایش غلظت گاز CO2 در جو می‌شود. سوخت‌های فسیلی یکی از مهمترین منابع انتشار دی اکسیدکربن به شمار می‌روند، لذا افزایش تولید ناخالص داخلی به معنای آن است که انرژی بیشتری مصرف شده و به تبع آن دی‌اکسیدکربن بیشتری نیز در جو آزاد شده است. از جمله مهم‌ترین مطالعاتی که در زمینه رابطه تولید ناخالص داخلی و کیفیت محیط‌زیست(انتشار دی‌اکسیدکربن) صورت گرفته است، مقاله سیمون کوزنتس می‌باشد. لذا با توجه به این مطالعه میتوان چنین استنباط که جامعه آماری منتخب در این مطالعه در قسمت ابتدایی منحنی زیست‌محیطی کوزنتس قرار دارند. دیگر متغیر مدل، یعمنی نسبت جمعیت شهرنشینی از کل جمعیت نیز با متغیر وابسته (میزان انتشار گاز دی‌اکسید کربن) رابطه مستقیم و معناداری دارد، بنابراین رشد نسبت  جمعیت شهرنشینی منجر به افزایش تولید و انتشار دی­اکسید کربن خواهد شد.

به دلیل اینکه در الگوی حاضر تعداد دوره­های زمانی از مقاطع بیشتر می­باشد، بررسی وابستگی مقطعی جمله خطا ضرورت دارد. برای این منظور از آزمون پسران[16] استفاده شده که نتایج آن که در جدول زیر آمده نشان می‌دهد که وابستگی مقطعی در جملات خطا رد شده است.

جدول 6- نتایج آزمون وابستگی مقطعی

آماره آزمون پسران

احتمال

643/0

519/0

                                        منبع: یافته­های پژوهش

 

نتایج و پیشنهادات سیاستی

در این مطالعه تلاش شد تا تاثیر تجارت درون صنعت در بین کشورهای اکو بر کیفیت محیط زیست (که در این‌جا با میزان انتشار دی‌اکسید کربن اندازه‌گیری شده) موردبررسی قرار گیرد. دوره‌ی مورد بررسی سال‌های 2000-2023  بوده و از مدل داده‌های تابلویی برای انجام این کار استفاده شده است. لازم به ذکر است که میزان تجارت درون صنعت ایران و کشورهای عضو سازمان همکاری اقتصادی (اکو) در طی دوره مذکور با استفاده از شاخص گروبل و لوید، برای 21 بخش و 98 کدکالایی بر پایه طبقه‌بندی کدهای تعرفه‌ای (HS ) به‌صورت جداگانه اندازه‌گیری شده است. اندازه شاخص نشان داده که تجارت درون صنعت ایران با سایر کشورهای عضو اکو دارای نوسان نسبتأ  بالایی داشته و در بازه 10/0 تا 35/0 در نوسان و دارای روند کاهشی بوده است. روند کلی این شاخص نشان‌دهنده کاهشی بودن مقدار آن برای ایران طی سال‌های بوده است. بیشترین میزان این شاخص در سال 2018 به میزان 35/0به ثبت رسیده و کم‌ترین مقدار این شاخص برای سال 2009 به میزان 10/0 گزارش محاسبه شده و میانگین آن در این دوره 26/0 می‌باشد. در مقایسه با میانگین شاخص تجارت درون صنعت برای کل کشورهای اکو (که مقدار آن 15/0 می‌باشد)، شاخص مذکور برای ایران بالاتر از میانگین است.

اما نتایج مستخرج از مدل نهایی نشان می‌دهد که تمامی متغیرهای مدل شامل شاخص تجارت درون صنعت، شدت انرژی، درآمد سرانه و نسبت جمعیت شهرنشینی از کل جمعیت بر میزان دی‌اکسید کربن منتشر شده تاثیری مثبت و معنی‌دار دارند. در خصوص تاثیر معنی‌دار و مثبت شاخص تجارت درون صنعت می‌توان استدلال کرد که افزایش این شاخص موجب افزایش فعالیت‌های صنعتی و اقتصادی شده که به تبع آن مصرف انرژی و انتشار CO2 نیز افزایش یافته است.از طرفی، گسترش تجارت درون صنعت، منجر به افزایش حجم حمل و نقل بین کشورها شده که این منجر به حمل و نقل بیشتر، نیاز به مصرف سوخت فسیلی بیشتری شده و همین باعث افزایش انتشار CO2 شده است. علاوه بر این، تجارت درون صنعت ممکن است منجر به تغییر الگوی تولید شود.

با  توجه به نتایج به دست آمده و همچنین نظر به اهمیت و جایگاه بخش تجارت در اقتصاد کلان هر کشور، پیشنهاد می‌شود که:

1.    ایران در سیاسهای کلان و راهبردی اقتصاد خود، گسترش تجارت درون صنعت با کشورهای اکو را با لحاظ بازنگری‌های لازم در خصوص نوع کالاهایی وارداتی و یا صادراتی و همچنین قوانین زیست محیطی، در اولویت قرار دهد.

2.    در خصوص مطالعات آتی نیز پیشنهاد می‌شود که تأثیر تجارت درون صنعت به صورت‌های افقی یا عمودی بر میزان آلودگی‌ها نیز بررسی شود.

 

ملاحظات اخلاقی

حامی مالی: این مقاله حامی مالی ندارد.

مشارکت نویسندگان: تمام نویسندگان در آماده سازی این مقاله مشارکت کرده اند.

تعارض منافع: بنابه اظهار نویسندگان، در این مقاله هیچ گونه تعارض منافعی وجود ندارد.

تعهد مالکیت معنوی: طبق تعهد نویسندگان، حق مالکی ت معنوی (CC) رعایت شده است.



[1] - Economic Cooperation Organization.

[2]- Grubel and Lioyd.

[3] - Harmonized System.

[4]-Kuznets.

[5]-Grossman and Kruger.

[6] - Holdren and Ehrlich.

[7]- Auto Regressive Distributed Lag.

[8] - Generalized method of moments.

[9] - www.comtrade.com

[10]- Aquino.

[11] - www.comtradeplus.un.org

[12] - Leni, Lin & Chu Test.

[13] - Kao co-integration Tests.

[14] - Chow Test.

[15] - Husman Test.

[16] - Pesaran Test.

Introduction

Adam Smith sees foreign trade as a way to expand the domestic market, divide labor, and boost production. Today, among different trade models like trade liberalization, economic integration, intra-industry trade, and inter-industry trade, the intra-industry trade model has become popular because of its unique traits. In this model, as mutual trade connections increase, the vertical links between trading partners get stronger, leading to longer-term product relationships, deeper trade ties, and the creation of shared production scales between countries. While trade can drive positive changes through economic growth (regardless of the trade model), transferring polluting industries can also raise pollution levels in the destination countries.

The ECO organization (Economic Cooperation Organization) was founded in 1985 on the legal basis of regional cooperation for developing economic collaboration by Turkey, Iran, and Pakistan. With the participation of Azerbaijan, Kazakhstan, Kyrgyzstan, Uzbekistan, Tajikistan, Turkmenistan, and Afghanistan in 1992, ECO became a regional economic organization covering a population of about 500 million people across a total area of 8 million square kilometers. The data on carbon dioxide emissions from the member countries examined in this study shows an increasing trend in emissions from 1990 to 2020. During this period, Iran emitted more CO2 than the other ECO member countries, with its emissions rising from 198 million kilograms in 1990 to 616 million kilograms in 2020. During this time, some countries like Kazakhstan, Kyrgyzstan, Azerbaijan, and Tajikistan actually saw a decrease in carbon emissions.

This study attempts to examine the status of intra-industry trade for Iran and ECO countries and its effect on the amount of carbon dioxide emissions. The period studied is the years 2001-2020, and a panel data model is used for this purpose. Finally, it is worth mentioning that the level of intra-industry trade for Iran and the member countries of the Economic Cooperation Organization (ECO) is calculated.

 

Methods

The aim of this research is to examine the status of intra-industry trade in Iran and ECO countries, as well as its impact on carbon dioxide emissions among these countries. Initially, an attempt is made to measure intra-industry trade for 21 groups and 98 product codes, such as tiles and ceramics, vegetables, meat, etc., for the ECO member countries during the period from 2000 to 2020, using the index introduced by Grubel and Lloyd (1975).

The data has been collected from the World Bank website or the United Nations website. The model estimation is done using the panel data method, the test for choosing between pooled and panel data (the Limer test), and the Hausman test. In this study, Eviews 12 software was used to analyze the information.

 

Results and Discussion

Calculations show that during the study period, Iran's intra-industry trade with selected ECO member countries experienced relatively high fluctuations, ranging from 0.10 to 0.35. The overall trend of this index indicates a decreasing level of Iran's intra-industry trade. The highest value of this index was recorded in 2018 at 0.35, and the lowest in 2009 at 0.10. Iran's average score in the intra-industry trade index is 0.26, which is higher than the group's overall average of 0.15.

The model's findings also show that the intra-industry trade index has a direct and significant effect on carbon dioxide emissions, so that a one-unit increase in the intra-industry trade index leads to an increase in carbon dioxide emissions by 0.42. Another variable in this model is energy intensity, which also has a direct and significant relationship with the dependent variable of the model, namely the amount of carbon dioxide emissions. A one-unit increase in energy intensity results in higher carbon dioxide emissions by 1.02. Another variable in the model, the proportion of urban population to the total population, also has a direct and significant relationship with the dependent variable, and a one-unit increase in this proportion leads to an increase in carbon dioxide production and emissions by 220.72 units. Another influential variable in the model is gross national product, where a one-unit increase in it leads to a further increase in pollutants by 1.09.

 

Conclusion

During the period under study, intra-industry trade in Iran with selected ECO member countries had relatively high fluctuations and showed a decreasing trend. The model showed that intra-industry trade for Iran led to increased industrial and economic activity, which in turn increased energy consumption and CO2 emissions. On the other hand, intra-industry trade led to higher volumes of transportation between countries, and more transportation raised the demand for fossil fuels, which caused more CO2 emissions. Also, carbon dioxide emissions in this group of countries were influenced by energy intensity, per capita income, and the urban population ratio.

            Aggarwal, S.; Chakraborty, D. & Banik, N. (2022). Does Difference in Environmental Standard Influence India’s Bilateral IIT Flows? Evidence from GMM Results. Journal of Emerging Market Finance. 22 (1).
2.         Amiri, H., Saedpour, L., &   Kalantary, A. 2016.   Evaluation Threshold Effect of Income on Carbon Dioxide Emissions Intensity in Selected MENA Countries: Nonlinear Panel Data Approach. Journal of Iranian Energy Economics, 5 (17), pp: 39-66. https://doi.org/10.22054/jiee.2017.7164 (In Persian)
3.         Asadpour, A. A. & Eskroochi, E., (2013). Examining the relationship between foreign direct investment, clean energy, trade liberalization, and economic growth with energy demand in Iran. Public Policy in Management (Mission of Public Administration), 4(9-10), pp: 15-22. (In Persian)
4.         Azarbaijani, K., & Ezadi, G., (2006).  Intra Industry Trade between Iran and China: A New Perspective. Iranian Journal of Economic Research, 8 (26), 81-99. (In Persian)
5.         Barghi Oskooee, M. M., 2008. The Impact of Trade Liberalization on the Greenhouse Gases (CO2Emission) in EKC. Journal of Economic Research, 43 (1), 1-22.  https://doi.org/20.1001.1.00398969.1387.43.1.1.8 (In Persian)
6.         Brantley, L (2014). Impact of population, age structure, and urbanization on carbon emissions /energy consumption: evidence from macro-level, cross-country analyses, Popul Environ (2014) 35:286–304.
7.         Brian C O’Neill, Brant Liddle, Leiwen Jiang, Kirk R Smith, Shonali Pachauri, Michael Dalton, Regina Fuchs (2012). Demographic change and carbon dioxide emissions, Lancet 2012; 380: 157–64.
8.         Chin M.Y., Puah C.H., & Joseph J. (2018):  The determinants of CO2 emissions in Malaysia: A new aspect. International Journal of Energy Economics and Policy. 8 (1), pp: 190–194.
9.         Farhadi, A., (2004). Examining the Effects of Foreign Trade on Iran's Economic Growth. Plan and Budget (Management and Planning Organization of the Country). 9 (1), pp: 27-58.7. (In Persian)
10.       Fotros, M. H., Najarzadeh, A., & Pirooz Mohammadi, F., 2011.  Air Pollution, Energy Consumption and Economic Growth in Iran. Journal of Iranian Energy Economics, 12 (11 and 12), pp: 189-211. (In Persian)
11.       Gallucci, T.; VeDimitrova, V. & Marinov, G. (2019). Interrelation between eco-innovation and intra-industry trade: A proposal for a proxy indicator of sustainability in the EU countries. Sustainability. 11 (23). https://doi.org/10.3390/su11236641
12.       Grubel, H. G. & Lloyd, P. J. (1975). Intra-industry Trade: the Theory and Measurement of International Trade in Differentiated Products. New York: Wiley.
13.       Kazemi, A., Jafarzade, B., & Farhadi Sartangi, D., 2016.  The effect of population growth on the environment; Compare the two groups of developing countries (D8) and industrial (G7). Journal of the Macro and Strategic Policies, 4 (15), 125-141. Retrieved From https://www.jmsp.ir/article_40574.html?lang=en (In Persian)
15.       Kazemzadeh, E., Karimi Alavijeh, N., & Ebrahimi Salari, T., 2020. The Effect of Governance on Carbon Dioxide Expansion in the G8 Countries: A Panel Quantile Regression Approach. Journal of economics and regional development, 26 (18), 173-196. https://doi.org/10.22067/erd.v26i18.77394 (In Persian)
16.       Kazemzadeh, E.; Fuinhas, J.A.; Koengkan, M. & Osmani, F. (2022). The Heterogeneous Effect of Economic Complexity and Export Quality on the Ecological Footprint: A Two-Step Club Convergence and Panel Quantile Regression Approach. Sustainability. 14 (18). https://doi.org/10.3390/su141811153 (In Persian)
17.       Khan, Z.; Ali, S.; Umar, M.; Kirikkaleli, D. & Jiao, Z. (2020). Consumption-based carbon emissions and international trade in G7 countries:The role of Environmental innovation and Renewable energy. Sci. Total Environ. 730, 138945. https://doi.org/10.1016/j.scitotenv.2020.138945
18.       Leitão, N.C.; Koengkan, M. & Fuinhas J. A. (2022). The role of intra-industry trade, foreign direct investment, and renewable energy on Portuguese carbon dioxide emissions, Sustainability. 14 (22). https://doi.org/10.3390/su142215131
19.       Leitão, N. C. (2021). Testing the Role of Trade on Carbon Dioxide Emissions in Portugal, Economies. 9 (22). https://doi.org/10.3390/economies9010022
20.       Leitão, N. C. & Balogh, J. M. (2020). The impact of intra-industry trade on carbon dioxide emissions: The case of the European Union. Agricultural Economics. 66 (5). https://doi.org/10.17221/312/2019-AGRICECON
21.       Negintaji, z., & Izadkhasti, H., 2022.  The Effect of International Trade and Foreign Direct Investment on Carbon Dioxide Emissions In group D8 with panel data. Journal of Iranian Energy Economics, 11 (44), 161-192. https://doi.org/10.22054/jiee.2023.70446.1953 (In Persian)
22.       Pata, U. K., Dam, M. M., & Kaya, F. (2023). How effective are renewable energy, tourism, trade openness, and foreign direct investment on CO2 emissions? An EKC analysis for ASEAN countries. Environmental Science and Pollution Research, 30(6), 14821-14837.‏
23. paytakhti oskooe, S. A., (2015). A Panel Cointegration Study of Foreign Trade and Energy: Evidence from ECO Countries. Quarterly Journal of the Macro and Strategic Policies, 3 (10), PP: 17-38.
24. Roy, J. (2017). On the environmental consequence of intra-industry trade. Journal of environmental economics and management. 83, pp: 50-67.
24.       Sadighi H., & Saadat, R., 2004. Population growth, economic growth and environmental effects in Iran (a causal analysis). Journal of Economic Research, 64 (1), 163-180. https://doi.org/20.1001.1.00398969.1383.39.1.7.6 (In Persian)
25.       Shahbaz, M. (2013). Does financial instability increase environmental degradation? Fresh evidence from Pakistan. Economic Modelling, 33, pp: 537-544.‏ (In Persian)
26. Tashkini, A., (2015). Factors affecting the intra-industry trade in agriculture between the Islamic Republic of Iran and regional blocks. The Quarterly Journal of Economic Strategy, 3 (11), Pp: 27-42.
27.       Yavari, F., Sarlak, A., Sharifnejad, M., & Ghiasi, M., 2023. Convergence of Factors Affecting Carbon Dioxide Emissions in MENA Region Countries, Dynamic Spatial Panel Approach. Journal of Environmental Studies, 19 (77), 219-251. http://iiesj.ir/article-1-1558-en.html (In Persian)
28.       Yazdani, M., & Pirpour, H., 2017. The Determinants of Intra-Industry Trade in Energy Sector among Iran and its Major Trading Partners. Journal of Economic Modeling Research, 8(30): 43-78. ‎ https://doi.org/10.29252/jemr.8.30.43 (In Persian)
29.       younespour, S., & Tayebi., S. K., 2020. iran's Intra-Industry Trade and Selected Trading Partners with an Environmental Approach. Journal of Economic Research, 55 (2), 483-509. https://doi.org/10.22059/jte.2020.289881.1008241 (In Persian)
30.       www.comtrade.com

  • Receive Date 21 December 2025
  • Revise Date 11 July 2026
  • Accept Date 13 July 2026
  • First Publish Date 13 July 2026
  • Publish Date 23 July 2026