Nyayo ya kiikolojia (ecological footprint, ECOF) katika utafiti huu ni kiashiria cha shinikizo la kimazingira kinachowakilisha mahitaji ya shughuli za kiuchumi na matumizi kwa rasilimali za asili na hupimwa kwa hekta za kimataifa kwa kila mtu. Muhammad Sonail na wenzake wanachunguza jinsi uwezo wa kiteknolojia unaohusiana na akili bandia, ukubwa wa shughuli za utalii, matumizi ya utalii, sehemu ya utalii katika Pato la Taifa, maendeleo ya kifedha na ukali wa sera ya mazingira zinavyohusiana na nyayo ya kiikolojia katika uchumi wa OECD katika kipindi cha 2000–2022. Mbinu kuu za utafiti ni Method of Moments Quantile Regression (MMQR) na mbinu ya Panel Quantile-on-Quantile Kernel-Based Regularized Least Squares (PQQKRLS). Matokeo yanaonyesha kuwa kiashiria cha AI kina uhusiano hasi na nyayo ya kiikolojia katika quantile zote zilizochunguzwa, huku matumizi ya utalii yakionyesha uhusiano chanya, na kwamba sehemu ya utalii katika Pato la Taifa pamoja na mraba wake zinaashiria uhusiano wenye umbo la U. Kwa kuwa utafiti unategemea data za paneli za uchunguzi, mahusiano haya hayawezi kufasiriwa kama athari za kisababishi.

Lengo kuu la utafiti si kujibu tu maswali “Je, AI ni nzuri kwa mazingira?” au “Je, utalii unaharibu mazingira?” kwa kutumia mgawo mmoja wa wastani. Waandishi wanadhania kuwa kigezo kilekile kinaweza kuonyesha uhusiano tofauti katika hali za shinikizo la chini la kiikolojia na mwingine katika hali za shinikizo la juu. Kwa sababu hii, quantile Q0.10, Q0.20, Q0.50, Q0.60, Q0.80 na Q0.90 za mgawanyo wa nyayo ya kiikolojia zilichunguzwa kando.

Katika matokeo ya MMQR, mgawo wa AI ni hasi katika quantile zote zilizochunguzwa na ni muhimu kitakwimu kulingana na p-values zilizotolewa katika jedwali. Ukubwa wa shughuli za utalii una uhusiano chanya katika Q0.20, hasi katika Q0.50, na chanya tena katika eneo la Q0.60–Q0.90. Sehemu ya utalii katika Pato la Taifa ni hasi katika quantile zote, huku mraba wa kigezo hiki ukiwa chanya katika quantile zote. Chanzo kinatafsiri ishara hizi mbili za coefficients kwa pamoja kama uhusiano wenye umbo la U kati ya upanuzi wa kiuchumi unaoongozwa na utalii na nyayo ya kiikolojia.

Kikomo muhimu cha kimetodolojia cha utafiti ni baadhi ya hali za kutokuwa na uhakika katika muundo wa data na kuripoti. Ingawa chanzo kinaeleza nchi 38 za OECD na kipindi cha 2000–2022, kinaripoti kuwa paneli ya mwisho ina uchunguzi 161 pekee na hakitoi matriksi ya kina ya mapengo ya nchi-mwaka. Ingawa inaelezwa kuwa kiashiria cha AI kilipimwa kwa min–max, jedwali la takwimu elezi linaripoti thamani nje ya kiwango cha 0–1. Kwa hiyo, hasa ukubwa kamili wa coefficients unapaswa kutafsiriwa kwa tahadhari pamoja na mizani ya vigezo iliyotolewa katika chanzo.

Tatizo kuu la utafiti

Akili bandia na utalii ni nguvu mbili muhimu za kiuchumi zinazoweza kuzalisha mifumo inayopingana katika mabadiliko ya kimazingira ya uchumi ulioendelea. Akili bandia inaweza kupunguza shinikizo la kimazingira kupitia usimamizi wa nishati, gridi mahiri, ufuatiliaji wa uzalishaji wa hewa chafu, uboreshaji wa logistiki na ufanisi wa rasilimali. Kinyume chake, vituo vya data, mahitaji makubwa ya ukokotoaji, miundombinu mipya ya kidijitali na ongezeko la uzalishaji vinaweza kuunda mahitaji ya ziada ya nishati na nyenzo. Utafiti unajadili njia hii ya pili kama utaratibu wa athari ya kurudi nyuma.

Katika utalii pia kuna hali kama hiyo ya pande mbili. Kuongezeka kwa idadi ya wageni na matumizi ya utalii kunaweza kuongeza shinikizo la kiikolojia kupitia usafiri, malazi, maji, nishati, chakula, matumizi ya ardhi na taka. Kinyume chake, ikiwa mapato ya utalii yanaelekezwa kwenye miundombinu ya kijani, nishati jadidifu, uhifadhi na usimamizi wa maeneo ya utalii wenye ufanisi zaidi, yanaweza kusaidia uboreshaji wa mazingira.

Pengo la fasihi linalolengwa na utafiti ni kuunganisha AI, utalii, fedha na udhibiti wa mazingira katika modeli moja ya nyayo ya kiikolojia badala ya kuvitazama kando, na kuchunguza ikiwa mahusiano haya hubadilika kwa namna isiyo ya mstari katika mgawanyo wa shinikizo la kiikolojia.

Mfumo wa kinadharia: nadharia tatu na mifumo minne

Utafiti unaunganisha mikabala mitatu mikuu ya kinadharia: Environmental Kuznets Curve (EKC), Ecological Modernization Theory na Porter Hypothesis.

Mbinu ya EKC inaeleza kuwa kunaweza kuwa na uhusiano usio wa mstari kati ya matokeo ya kimazingira ya upanuzi wa uchumi na kiwango cha shughuli za kiuchumi. Katika utafiti huu, hasa sehemu ya utalii katika Pato la Taifa na mraba wa sehemu hiyo zinawekwa pamoja katika modeli ili kupima uhusiano usio wa mstari kati ya upanuzi wa kiuchumi unaoongozwa na utalii na nyayo ya kiikolojia.

Ecological Modernization Theory inaunga mkono utaratibu unaodai kuwa maendeleo ya kiteknolojia yanaweza kupunguza shinikizo la mazingira kwa kuongeza ufanisi wa nishati na rasilimali katika uzalishaji na huduma. Katika utafiti huu, imekadiriwa kuwa AI inaweza kufanya kazi kupitia usimamizi mahiri wa nishati, ufuatiliaji wa uzalishaji wa hewa chafu, uboreshaji wa uzalishaji na ugawaji wa rasilimali.

Porter Hypothesis inategemea wazo kwamba sera kali zaidi ya mazingira si tu huongeza gharama bali pia inaweza kuboresha utendaji wa mazingira kwa kuzielekeza kampuni kwenye ubunifu na teknolojia safi zaidi. Kigezo cha Environmental Policy Stringency (EPS) katika utafiti kinawakilisha njia hii ya utawala.

Kielelezo 1 cha chanzo kinaunganisha mfumo huu wa kinadharia katika njia nne: njia ya ufanisi, njia ya ubunifu, njia ya kiwango/athari ya kurudi nyuma na njia ya utawala. AI, mienendo ya utalii na maendeleo ya kifedha yanaunganishwa na nyayo ya kiikolojia kupitia mifumo ya kati kama ufanisi wa nishati, ubunifu wa kiteknolojia/kijani, uzalishaji wa hewa chafu kutoka usafiri na shinikizo la utalii pamoja na uwekezaji wa kijani/miundombinu endelevu. EPS inaonyeshwa kama sehemu ya utawala inayodhibiti shinikizo la moja kwa moja la mazingira na mahusiano haya ya kati.

Dhana za utafiti

1. H1: Kupitishwa kwa akili bandia hupunguza nyayo ya kiikolojia katika uchumi ulioendelea.
2. H2: Ukubwa wa shughuli za utalii huongeza nyayo ya kiikolojia; uhusiano unatarajiwa kuwa wazi zaidi katika hali za nyayo kubwa ya kiikolojia.
3. H3: Uhusiano wa ukuaji wa kiuchumi unaotokana na utalii na nyayo ya kiikolojia si wa mstari.
4. H4: Matumizi ya utalii huongeza nyayo ya kiikolojia.

Utafiti huu unapata nini kuhusu uhusiano kati ya akili bandia na nyayo ya kiikolojia?

Katika matokeo ya MMQR, mgawo wa kigezo cha AI ni hasi katika quantile zote za nyayo ya kiikolojia zilizochunguzwa kutoka Q0.10 hadi Q0.90 na ni muhimu kitakwimu kulingana na p-values zilizotolewa katika jedwali; utafiti unatafsiri hili kama uhusiano unaolingana na hali ambapo utaratibu wa AI-ufanisi unazidi utaratibu wa AI-athari ya kurudi nyuma katika sampuli iliyochunguzwa, lakini muundo wa uchunguzi hauthibitishi kwamba AI hupunguza nyayo ya kiikolojia kwa njia ya kisababishi.

Katika chanzo, coefficients za MMQR kwa AI zimeripotiwa kuwa −4,27 katika Q0.10, −6,37 katika Q0.20, −1,35 katika Q0.50, −1,48 katika Q0.60, −2,69 katika Q0.80 na −3,40 katika Q0.90. p-values zinazohusiana ni 0,000; 0,003; 0,006; 0,004; 0,004 na 0,000 kwa mpangilio huo.

Waandishi wanajadili hasa kwamba katika hali za shinikizo kubwa la kiikolojia AI inaweza kutoa faida kubwa zaidi za ufanisi kupitia usimamizi wa nishati, uboreshaji wa usafiri, ufanisi wa majengo na ufuatiliaji wa mazingira. Hata hivyo, matokeo hayatafsiriwi kuwa “AI ni ya kijani yenyewe”; chanzo cha nishati, ukubwa wa miundombinu ya kidijitali na utawala wa mazingira vinaweza kubadilisha matokeo.

Kigezo cha AI kinapima nini hasa?

Katika utafiti, AI si “kiwango cha matumizi ya AI” moja kwa moja katika kiwango cha kampuni au mtumiaji. Ni kiashiria cha uwezo wa kiteknolojia katika kiwango cha nchi kilichoundwa kutokana na shughuli za hataza zinazohusiana na AI kutoka WIPO. Kwa mujibu wa chanzo, hataza ghafi za AI zilikusanywa katika kiwango cha nchi-mwaka, zikarekebishwa kwa idadi ya watu au shughuli zote za hataza ili kupunguza upendeleo wa ukubwa wa nchi, kisha mabadiliko ya \( \ln(1+\text{AI patentleri}) \) yakatumika na mfululizo ukapimwa kwa min–max.

Hapa kuna tatizo muhimu la uwezo wa kurudia matokeo. Chanzo kinatumia usemi “idadi ya watu au shughuli zote za hataza” lakini hakitenganishi wazi ni ipi iliyotumika katika mfululizo wa mwisho. Zaidi ya hayo, kiashiria cha AI kinachodaiwa kupimwa kwa min–max kimeripotiwa katika Jedwali 2 kuwa kati ya 2,107 na 10,389. Kwa hiyo si salama kutafsiri ukubwa wa coefficients moja kwa moja kuwa “ongezeko la kitengo kimoja katika kupitishwa kwa AI” katika mizani ya kimwili au kisera.

Kwa nini uhusiano wa utalii na nyayo ya kiikolojia una umbo la U?

Katika utafiti, mgawo wa sehemu ya utalii katika Pato la Taifa ni hasi katika quantile zote zilizochunguzwa, huku mgawo wa mraba wa kigezo hiki ukiwa chanya katika quantile zote; chanzo kinatafsiri muunganiko huu wa ishara kama muundo wa umbo la U ambapo mchango wa kiuchumi wa utalii katika viwango vya chini na vya kati unaweza kuhusishwa na shinikizo la chini la kiikolojia, lakini kadri utegemezi uliopitiliza wa utalii unavyoongezeka, uhusiano unaweza kurudi kwenye nyayo kubwa zaidi ya kiikolojia.

Matokeo haya si umbo la kawaida la “U iliyogeuzwa” la Environmental Kuznets Curve. Chanzo kinaeleza wazi kuwa uhusiano una umbo la U. Uwezekano kwamba mapato ya utalii katika hatua za awali yanaweza kufadhili miundombinu safi zaidi na usimamizi wa mazingira, lakini baada ya upanuzi kuvuka kiwango fulani ujenzi, usafiri mkubwa, matumizi ya nishati, shinikizo la ardhi, taka na matumizi ya rasilimali yakawa makubwa zaidi, unajadiliwa kama utaratibu unaowezekana wa maelezo.

Utafiti hauripoti “kizingiti” au sehemu ya kugeukia iliyo sahihi kwa utalii. Kwa hiyo, maandishi ya Verianla hayahesabu kizingiti kipya kutoka kwa coefficients za chanzo na hayaundi mpaka usiokuwapo katika chanzo kwa namna ya “baada ya sehemu hii ya Pato la Taifa utalii huwa na madhara”.

Kwa nini ukubwa wa shughuli za utalii hauna mwelekeo mmoja?

Ukubwa wa shughuli za utalii (TINT) unawakilishwa na idadi ya watalii wa kimataifa wanaowasili nchini. Katika MMQR, mwelekeo wa uhusiano hubadilika katika quantile. Mgawo wa Q0.10 ni chanya, lakini kwa kuwa p = 0,109, si muhimu katika viwango vya kawaida. Ni chanya katika Q0.20, hasi katika Q0.50, na chanya tena na muhimu katika Q0.60, Q0.80 na Q0.90.

Kulingana na tafsiri ya chanzo, katika hali za shinikizo la chini na la juu, njia za usafiri, malazi, taka na matumizi ya rasilimali zinazotokana na upanuzi wa utalii zinaweza kutawala. Mgawo hasi katika hali ya kati unaweza kulingana na hali ya mpito ambapo miundombinu ya utalii, matumizi ya nishati jadidifu au kanuni zina ufanisi zaidi. Hata hivyo, modeli haijaribu moja kwa moja ni upi kati ya mifumo hii unaosababisha mabadiliko haya ya ishara.

Matumizi ya utalii

Matumizi ya utalii (TEXP) yana mgawo chanya katika quantile zote za MMQR na ukubwa wa mgawo huongezeka kuelekea quantile za juu. Chanzo kinaunganisha hili na kwamba matumizi makubwa ya utalii huongeza mzigo wa mazingira kupitia malazi, nishati, usafiri na uzalishaji wa taka, hasa katika hali za shinikizo kubwa la kiikolojia.

Kwa sababu kuna matatizo ya kuripoti katika mizani ya kipimo na takwimu elezi za kigezo cha TEXP kwenye jedwali la chanzo, haifai kutafsiri ukubwa kamili wa coefficients hizi kama athari ya kiikolojia kwa kila kitengo halisi cha fedha. Tafsiri salama ni mwelekeo wa uhusiano ulioripotiwa katika chanzo na ukubwa wake unaobadilika kati ya quantile.

Kwa nini maendeleo ya kifedha yana mielekeo miwili?

Financial development (FD) inawakilishwa na uwiano wa mikopo ya ndani kwa sekta binafsi dhidi ya Pato la Taifa. Katika Q0.10 na Q0.20 mgawo ni chanya na p-values ni 0,002 na 0,004 mtawalia. Katika Q0.50 na Q0.60 ni chanya lakini p-values zilizo wazi si muhimu katika kizingiti cha kawaida cha %5; katika Q0.80 na Q0.90 mgawo hubadilika kuwa hasi.

Chanzo kinatafsiri muundo huu kupitia namna mbili zinazowezekana za matumizi ya fedha. Ikiwa upanuzi wa mikopo unaelekezwa kwenye ujenzi, matumizi na miundombinu inayotumia rasilimali nyingi, unaweza kuongeza shinikizo la kiikolojia; ikiwa rasilimali za kifedha zinaelekezwa kwenye nishati jadidifu, ubunifu wa kijani na utalii endelevu, uhusiano unaweza kubadilika. Kwa kuwa modeli ya sasa haipimi kando mikopo ilitumika kwa miradi ipi hasa, maelezo haya ni tafsiri katika kiwango cha utaratibu.

Ukali wa sera ya mazingira

Environmental Policy Stringency (EPS) hupimwa kwa OECD Environmental Policy Stringency Index. Mgawo ni hasi katika Q0.10, Q0.20, Q0.50 na Q0.60 na p-values ziko chini ya 0,05. Katika Q0.80 na Q0.90 ishara inabaki hasi lakini p-values ni 0,078 na 0,074 mtawalia.

Chanzo kinatathmini muundo huu hasi kwa ujumla kuwa unaendana na Porter Hypothesis na mfumo wa utawala wa mazingira: kanuni kali zaidi zinaweza kuongeza gharama za shughuli zenye matumizi makubwa ya mazingira, kuharakisha mpito kwenda teknolojia safi na kupunguza athari za kurudi nyuma zinazotokana na AI, utalii na fedha.

Mbinu na Matokeo ya Utafiti

Sampuli na nchi

Utafiti unaeleza kipindi cha 2000–2022 na uchumi 38 zifuatazo za OECD: Australia, Austria, Ubelgiji, Kanada, Chile, Kolombia, Costa Rica, Jamhuri ya Czech, Denmark, Estonia, Finland, Ufaransa, Ujerumani, Ugiriki, Hungaria, Iceland, Ireland, Israel, Italia, Japani, Latvia, Lithuania, Luxembourg, Mexico, Uholanzi, New Zealand, Norway, Poland, Portugal, Jamhuri ya Slovakia, Slovenia, Korea Kusini, Hispania, Sweden, Uswisi, Türkiye, Uingereza na Marekani.

Jedwali la takwimu elezi katika sehemu ya matokeo ya chanzo linaripoti uchunguzi 161 pekee kwa vigezo vyote. Kwa hiyo, paneli ya kinadharia ya nchi 38 × miaka 23 iliyoelezwa si paneli kamili iliyosawazishwa. Ingawa chanzo kinaeleza kuwa sampuli ya mwisho ilipunguzwa kwa “nchi zenye data ya kutosha kwa vigezo vyote”, hakitoi jedwali la kina la nchi-mwaka linaloonyesha nchi zipi zilikuwa na mapengo katika miaka ipi.

Vigezo na vyanzo vya data

Modeli kuu ya kimajaribio

Modeli tendaji iliyotolewa na chanzo katika Mlinganyo (1):

\[ ECOF_{it} = f(AI_{it},TINT_{it},GDPT_{it},GDPT^{2}_{it},TEXP_{it},FD_{it},EPS_{it}) \tag{1} \]

iko katika umbo hili.

Hapa \(i\) inawakilisha nchi na \(t\) wakati. Madhumuni ya modeli ni kuchunguza jinsi nyayo ya kiikolojia inavyobadilika pamoja na vigezo vya AI, utalii, fedha na sera ya mazingira.

Uandishi wa kimajaribio wa chanzo katika Mlinganyo (2):

\[ EF_{it} = \alpha_0 + \alpha_1AI_{it} + \alpha_2TINT_{it} + \alpha_3GDPT_{it} + \alpha_4GDPT^{2}_{it} + \alpha_5TEXP_{it} + \alpha_6FD_{it} + \alpha_7EPS_{it} + \mu_{it} \tag{2} \]

uko katika umbo hili. Chanzo kinaandika kigezo tegemezi kama \(ECOF\) katika Mlinganyo (1), lakini kama \(EF\) katika Mlinganyo (2); Verianla haisawazishi kimya kimya tofauti hii ya notation.

Kwa nini MMQR na PQQKRLS zilitumika pamoja?

MMQR hutoa coefficients na p-values za vigezo vya ufafanuzi katika quantile tofauti za masharti za nyayo ya kiikolojia, huku PQQKRLS ikionyesha uso wa mwitikio usio wa mstari wa uhusiano kulingana na nafasi katika mgawanyo wa kigezo cha ufafanuzi na nyayo ya kiikolojia; kwa hiyo chanzo kinatumia MMQR kama chombo kikuu cha coefficients na utoaji wa hitimisho, na PQQKRLS kama ushahidi wa ziada usio wa mstari.

Mfuatano wa mchakato wa kiuchumi-takwimu

Mtiririko wa mbinu za utafiti una hatua kuu tano. Kwanza, takwimu elezi na uhusiano wa correlation zilichunguzwa. Kisha, kwa wazo kwamba nchi zinaweza kuathiriwa na mishtuko ya pamoja, utegemezi wa cross-sectional na utofauti wa miteremko vilijaribiwa. Baadaye, majaribio ya paneli ya mzizi wa kitengo ya kizazi cha pili ya CIPS na CADF yalitumika, yakifuatiwa na uchambuzi wa paneli wa cointegration. Athari kuu zenye utofauti zilichunguzwa kwa MMQR, na nyuso za mgawanyo zisizo za mstari kwa PQQKRLS. Mwishowe, makadirio mbadala ya muda mrefu ya FMOLS na DOLS yaliwasilishwa kama ukaguzi wa uthabiti.

Utegemezi wa cross-sectional

Katika jaribio la CD la chanzo, utegemezi wa cross-sectional ni muhimu kitakwimu kwa vigezo vyote vya ECOF, AI, TINT, GDPT, GDPT², TEXP, FD na EPS. Kwa mfano, kwa TINT takwimu ya CD imeripotiwa kuwa 20,186 na correlation ya wastani ya thamani kamili 0,498; kwa FD takwimu ya CD ni 18,704 na correlation ya wastani ya thamani kamili 0,609.

Matokeo haya ni ugunduzi wa uchunguzi unaoonyesha kuwa nchi haziwezi kuchukuliwa kama uchunguzi huru kabisa. Usambazaji wa teknolojia kimataifa, mizunguko ya pamoja ya utalii, bei za nishati na mishtuko ya pamoja ya sera vinaweza kuunda uhusiano kati ya nchi.

Utofauti wa miteremko

Katika jaribio la usawa wa miteremko, chanzo kinaripoti:

\[ \tilde{\Delta}=9{,}321,\quad p=0{,}000 \]

na

\[ \tilde{\Delta}_{adj}=11{,}209,\quad p=0{,}000 \]

Thamani hizi. Kukataliwa kwa nadharia batili kunaunga mkono kuwa coefficients kati ya vigezo na nyayo ya kiikolojia si sawa katika nchi zote. Matokeo haya yanaimarisha sababu ya kutumia mbinu zinazolenga quantile na utofauti.

Majaribio ya mzizi wa kitengo

Kulingana na matokeo ya CIPS na CADF, baadhi ya vigezo si stationary katika level na huwa stationary katika first difference. Chanzo kinaeleza muundo wa data kwa ujumla kuwa zaidi I(1), huku baadhi ya vigezo vikiwa mchanganyiko wa I(0)/I(1) kulingana na uchaguzi wa jaribio, na kinaeleza kuwa hakuna mfululizo wowote wa I(2).

Kwa kuwa uwasilishaji wa ishara na thamani muhimu katika maelezo ya CIPS ya Jedwali 4 hauko wazi vya kutosha, maandishi ya Verianla yanahifadhi tafsiri ya jumla ya chanzo badala ya kuainisha upya kila seli kwa kujitegemea.

Cointegration ya paneli

Katika uchambuzi wa Pedroni, takwimu zote hazitoi matokeo sawa. Kwa mujibu wa chanzo:

• Panel PP: −13,1517; p = 0,0000,
• Panel ADF: −2,4596; p = 0,0070,
• Group PP: −13,0802; p = 0,0000

zinaonyesha matokeo yanayounga mkono cointegration, huku baadhi ya takwimu za Panel v, Panel rho, Group rho na Group ADF zikiwa si muhimu. Kwa hiyo, waandishi hawachukulii matokeo ya Pedroni kama ushahidi wa mwisho peke yake, bali kama ushahidi wa uchunguzi unaosaidia pamoja na mbinu nyingine thabiti.

Jedwali la matokeo ya MMQR linalofuata chanzo

Katika jedwali lifuatalo, alama za nyota za chanzo hazikutumika; coefficients na p-values zilizotolewa moja kwa moja katika chanzo zimeonyeshwa. Sababu ni kwamba maelezo ya nyota katika chanzo hayalingani na baadhi ya p-values zilizo wazi.

Ujumbe wa kisayansi wa jedwali la MMQR

AI: ni hasi katika quantile zote. Uthabiti wa ishara ni mojawapo ya matokeo thabiti zaidi ya utafiti.

TINT: haina mwelekeo mmoja; huwa hasi katika quantile ya kati na hurudi kuwa chanya kwa nguvu katika quantile za juu.

GDPT + GDPT²: kuwa hasi kwa sehemu ya mstari na chanya kwa sehemu ya mraba ndiyo msingi wa tafsiri ya umbo la U katika chanzo.

TEXP: ni chanya katika quantile zote na huongezeka katika quantile za juu katika ripoti ya chanzo.

FD: ni chanya na muhimu katika quantile za chini; hasi katika quantile za juu lakini si muhimu kulingana na p-values zilizo wazi. Kwa kigezo hiki, hitimisho la mwelekeo mmoja kama “fedha hupunguza shinikizo la kiikolojia kwa uhakika” au “huongeza kwa uhakika” haliungwi mkono.

EPS: ina ishara hasi katika quantile zote; hata hivyo, p-values zilizo wazi za Q0.80 na Q0.90 ziko juu ya kizingiti cha %5.

Mbinu ya PQQKRLS

PQQKRLS inatumika kama mbinu nyumbufu inayounganisha Kernel Regularized Least Squares (KRLS), regression ya Quantile-on-Quantile na mantiki ya paneli-quantile. Lengo kuu ni kuchunguza uso usio wa mstari wa uhusiano unaoundwa kwa pamoja na viwango tofauti vya mgawanyo wa kigezo cha ufafanuzi na quantile tofauti za nyayo ya kiikolojia badala ya mgawo mmoja wa wastani.

Chanzo kinatoa katika Mlinganyo (3) na Mlinganyo (4) misemo ya kihisabati kuhusu derivative ya KRLS na upanuzi wa panel quantile-on-quantile. Kwa kuwa baadhi ya mpangilio wa superscript na exponent katika milinganyo hii kwenye PDF una utata wa kitaipografia, alama hazijapangwa upya kimya kimya na Verianla. Ujumbe mkuu ulio salama kisayansi ni kwamba mbinu huhesabu kwa unyumbufu uhusiano wa pembeni kupitia uzani wa kernel na umbali kati ya uchunguzi, kisha kuupanua kwenye muundo wa paneli-quantile.

Zaidi ya hayo, chanzo kinafafanua kifupi hicho hicho mahali pamoja kama Panel Quantile-on-Quantile Kernel-Based Regularized Least Squares, mahali pengine kama Partial Quantile–Quantile Kernel Regularized Least Squares. Katika kichwa cha Kielelezo 5, usemi “Panel QQKRLS” unatumiwa. Tofauti hizi za majina zinapaswa kuhifadhiwa kama zilivyo katika chanzo; Verianla haizipatanishi kwa kuunda jina jipya la mbinu.

Nyuso za mwitikio za PQQKRLS zinaonyesha nini?

Chanzo kinawasilisha ramani saba tofauti za joto katika Kielelezo 5: GDPT, GDPT², TINT, EPS, FD, TEXP na AI. Jukumu la kisayansi la taswira hii si kutoa coefficients mpya na sahihi, bali kuonyesha jinsi mielekeo inayoonekana kwa MMQR inavyobadilika kwa namna isiyo ya mstari katika maeneo tofauti ya mgawanyo.

Uso wa AI ni hasi katika maeneo mengi; nyuso za TINT na TEXP ni chanya hasa katika maeneo yenye thamani kubwa ya kigezo na nyayo kubwa ya kiikolojia; uso wa GDPT ni hasi, GDPT² ni chanya; EPS kwa ujumla inaonekana hasi. Uso wa maendeleo ya kifedha unategemea zaidi aina ya regime.

Kwa kuwa chanzo hakitoi thamani zote za seli za nambari za nyuso hizi katika jedwali, Verianla haitengenezi thamani mpya sahihi kutoka kwenye rangi wala kufanya interpolation.

Ukaguzi wa uthabiti wa FMOLS na DOLS

Chanzo pia kinatoa matokeo ya FMOLS na DOLS ili kulinganisha matokeo ya MMQR na makadirio mbadala ya muda mrefu. AI ni hasi katika makadirio yote mawili; TINT chanya; GDPT hasi; GDPT² chanya; EPS hasi. FD ni chanya kidogo katika FMOLS, chanya katika DOLS lakini si muhimu kitakwimu.

Onyo la ndani ya chanzo kuhusu TEXP: Katika Jedwali 7, ingawa mgawo wa FMOLS TEXP umetolewa kuwa 4,317 na standard error 1304,226, mgawo umewekewa nyota tatu. Mchanganyiko huu wa nambari hauonekani kuendana ndani yake na alama ya umuhimu. Kwa upande wa DOLS, mgawo wa 6102,458 na standard error ya 1497,385 zimeripotiwa. Kwa hiyo, ukubwa kamili wa mgawo wa uthabiti wa TEXP hautafsiriwi upya na Verianla.

Je, matokeo yanaonyesha athari ya kisababishi?

Hapana. Utafiti unategemea data za paneli za nchi za uchunguzi, hautumii uingiliaji wa nje/kiholela katika AI au utalii, na waandishi pia wanaeleza wazi kuwa matokeo hayapaswi kutafsiriwa kama ushahidi wa mwisho wa kisababishi; kwa hiyo, haiwezekani kutoa hitimisho la kisababishi kama “matumizi ya AI hupunguza nyayo ya kiikolojia kwa kiasi hiki” au “ongezeko la utalii husababisha shinikizo la mazingira kwa kiasi hiki”.

Hitimisho zinazoungwa mkono na utafiti

• Kuna uhusiano hasi kati ya kiashiria kinachotegemea ukubwa wa hataza za AI na nyayo ya kiikolojia katika quantile zote za MMQR zilizochunguzwa.
• Uhusiano wa ukubwa wa shughuli za utalii na nyayo ya kiikolojia hubadilika kulingana na quantile, na uhusiano chanya huimarika katika quantile za juu.
• Kwa kuwa sehemu ya utalii katika Pato la Taifa ni hasi na mraba wake ni chanya, chanzo kinaripoti muundo wa utalii–nyayo ya kiikolojia wenye umbo la U.
• Matumizi ya utalii yana uhusiano chanya katika quantile zote zilizochunguzwa.
• Uhusiano wa maendeleo ya kifedha hubadilisha mwelekeo kulingana na regime ya kiikolojia.
• Ukali wa sera ya mazingira kwa ujumla unaonyesha uhusiano hasi.
• Nyuso za mwitikio za PQQKRLS zinaunga mkono kwa ubora tafsiri za MMQR zisizo za mstari na zinazotegemea regime.

Hitimisho ambazo utafiti hauungi mkono

• Haithibitishi kwamba AI hupunguza nyayo ya kiikolojia kwa njia ya kisababishi.
• Haionyeshi kwamba kila matumizi ya AI ni rafiki kwa mazingira.
• Haihitungi kizingiti sahihi na cha jumla cha uwezo wa kiikolojia kwa utalii.
• Haionyeshi kwamba ongezeko la alama fulani ya sera ya mazingira litazalisha athari sawa katika kila nchi.
• Haithibitishi kwamba maendeleo ya kifedha huleta mabadiliko ya kijani kiotomatiki.
• Haitumii ramani za joto za PQQKRLS kama jaribio huru la umuhimu wa kitakwimu.
• Haionyeshi kwamba nchi zote 38 za OECD zina muundo sawa wa coefficients; jaribio la utofauti wa miteremko linaonyesha kinyume chake kuwa kuna utofauti.

Tafsiri za sera

Waandishi wanaeleza kuwa matokeo ya sera yanapaswa kutafsiriwa kwa masharti, si kwa ujumla. Katika sera za AI, matumizi yanayolenga ufanisi wa nishati, mifumo mahiri ya nishati, ufuatiliaji wa uzalishaji wa hewa chafu na uboreshaji wa rasilimali yanapoungwa mkono, mahitaji ya nishati ya vituo vya data na miundombinu ya kidijitali pia yanapaswa kuzingatiwa.

Sera ya utalii badala ya kulenga tu kuongeza idadi ya wageni inapaswa kujumuisha uwezo wa kiikolojia, usafiri wa kaboni ya chini, malazi endelevu, upunguzaji wa taka na usimamizi wa mazingira katika kiwango cha eneo la utalii.

Inapendekezwa mifumo ya kifedha itumike kuelekea miundombinu endelevu ya utalii, teknolojia safi na uwekezaji wa kijani; na ukali wa sera ya mazingira uhifadhiwe kwa namna inayoweza kupunguza gharama za kimazingira za upanuzi unaotokana na teknolojia na utalii.

Vikwazo kuu

Kikwazo cha kwanza ni kisababishi. Data ni za uchunguzi na chanzo kinakubali hili wazi.

Kikwazo cha pili ni kipimo cha AI. Kwa kuwa ni vigumu kupima kupitishwa kwa AI kwa namna sawa kati ya nchi na miaka, kiashiria cha hataza kinawakilisha tu kipengele fulani cha ubunifu wa kiteknolojia wa matumizi halisi ya AI.

Kikwazo cha tatu ni udogo wa paneli ya mwisho na muundo wa mapengo usioelezwa. Ingawa chanzo kinaeleza nchi 38 na kipindi cha 2000–2022, kinaripoti uchunguzi 161.

Kikwazo cha nne ni tafsiri ya PQQKRLS. Waandishi wanaeleza wazi kuwa nyuso za mwitikio hazichukui nafasi ya jaribio rasmi la umuhimu wa kitakwimu.

Kikwazo cha tano ni baadhi ya kutolingana kwa kuripoti ndani ya chanzo: upimaji wa AI na kiwango cha Jedwali 2, mapato ya rasilimali asilia katika abstract dhidi ya kigezo cha FD katika modeli, maelezo ya nyota dhidi ya p-values na baadhi ya nambari za TEXP havilingani kikamilifu.

Maelezo ya Chanzo na Mbinu

Kichwa asili: Artificial Intelligence, Tourism Development, and Ecological Footprint in Advanced Economies: Evidence from MMQR and PQQKRLS Approaches

Waandishi: Muhammad Sonail; Deyi Xu; Zohaib Hassan; Farrukh Fazal; Mojawir Ahmad Sadat

Mwandishi anayewajibika: Deyi Xu

Taasisi: School of Economics and Management, China University of Geosciences, Wuhan 100083, China

Jarida: Economies

Mchapishaji: MDPI

Aina ya uchapishaji: Article

Rekodi ya bibliografia: Economies, 2026, 14(8), 338

DOI: 10.3390/economies14080338

Iliwasilishwa: 26 Mei 2026

Marekebisho: 4 Julai 2026

Imekubaliwa: 3 Agosti 2026

Ilichapishwa: 12 Agosti 2026

Leseni: Creative Commons Attribution (CC BY).

Kipindi cha data: 2000–2022.

Wigo wa kijiografia: Uchumi 38 za OECD zilizoorodheshwa katika chanzo.

Idadi ya mwisho ya uchunguzi iliyoripotiwa katika chanzo: 161.

Kigezo tegemezi: Nyayo ya kiikolojia kwa kila mtu, global hectares per person.

Mbinu kuu: takwimu elezi na uchambuzi wa correlation; majaribio ya cross-sectional dependence; majaribio ya paneli ya mzizi wa kitengo ya CIPS na CADF; jaribio la utofauti wa miteremko; jaribio la paneli la cointegration la Pedroni; Method of Moments Quantile Regression; Panel Quantile-on-Quantile Kernel-Based Regularized Least Squares; uchambuzi wa uthabiti wa FMOLS na DOLS.

Ufadhili: National Science and Technology Major Project of the Ministry of Science and Technology of China, mradi 2024ZD1002002; National Natural Science Foundation of China, mradi 42572386, 72204235, 72504263 na 72573163.

Upatikanaji wa data: Waandishi wanaeleza kuwa data ghafi zinazounga mkono matokeo ya makala zitatolewa kwa ombi.

Mgongano wa maslahi: Waandishi hawakuripoti maslahi ya kifedha yanayojulikana au mahusiano binafsi yanayoweza kuathiri utafiti.

Michango ya waandishi: Uundaji wa dhana Muhammad Sonail, Deyi Xu na Mojawir Ahmad Sadat; metodolojia Muhammad Sonail, Zohaib Hassan na Farrukh Fazal; programu Muhammad Sonail; uthibitishaji Deyi Xu na Mojawir Ahmad Sadat; uchambuzi rasmi Muhammad Sonail na Zohaib Hassan; uandaaji wa data Muhammad Sonail na Farrukh Fazal; rasimu ya kwanza Muhammad Sonail; usimamizi na usimamizi wa mradi ulifanywa na Deyi Xu.

Kutolingana kwa kigezo ndani ya chanzo: Abstract inataja mapato ya rasilimali asilia kama mojawapo ya vigezo vya utafiti, lakini modeli ya kimajaribio haina mapato ya rasilimali asilia; modeli inajumuisha kigezo cha financial development.

Kutolingana kwa kipimo cha AI: Sehemu ya mbinu inaeleza kuwa mfululizo wa AI ulifanyiwa min–max normalization, lakini thamani za AI zilizoripotiwa katika Jedwali 2 haziko katika kiwango cha kawaida cha 0–1 cha min–max.

Onyo la jedwali la takwimu elezi: Wastani, median na thamani ya chini zilizoripotiwa kwa TEXP zinaashiria uwezekano wa tatizo la kihesabu katika kuripoti. Kwa hiyo, mstari huu haukutumika katika Verianla kwa lengo la kuzalisha takwimu mpya.

Onyo la alama ya umuhimu: Maelezo ya nyota katika jedwali za MMQR na FMOLS/DOLS hayalingani na baadhi ya p-values zilizo wazi. Katika tafsiri ya MMQR, p-values zilitumika kama msingi.

Onyo la majina ya PQQKRLS: Chanzo kinatumia kifupi hicho katika maeneo tofauti kama Panel Quantile-on-Quantile Kernel-Based Regularized Least Squares, Partial Quantile–Quantile Kernel Regularized Least Squares na katika Kielelezo 5 kama Panel QQKRLS.

Kikomo kikuu cha kimetodolojia: Matokeo ni mahusiano ya uchunguzi; hayawezi kutafsiriwa kama athari za kisababishi. PQQKRLS ni ushahidi wa ziada wa kuona usio wa mstari na si jaribio la umuhimu wa kitakwimu peke yake.

Kuchora upya taswira: Mchoro wa utaratibu wa kinadharia wa Kielelezo 1 cha chanzo, mtiririko wa mbinu wa Kielelezo 2, ramani ya uchunguzi ya Pedroni ya Kielelezo 4 na nyuso za mwitikio za PQQKRLS za Kielelezo 5 zinaweza kubadilishwa kuwa taswira asili za Verianla huku mahusiano ya kisayansi yakihifadhiwa. Kwa Kielelezo 5, kwa kuwa chanzo hakitoi thamani zote za nambari ghafi za seli, kuchora upya kunapaswa kubaki katika mpaka wa ubora/source-derived.

Ufaafu wa Verianla Live: Live Data na Live Compare zinafaa kwa coefficients za MMQR; Live Process kwa mfuatano wa mbinu; source-derived Live Figure kwa Kielelezo 1 cha chanzo. Simulation shirikishi ambapo mtumiaji hubadilisha parameters na kuzalisha matokeo mapya ya nyayo ya kiikolojia haiungwi mkono na chanzo.