Wpływ czynników makroekonomicznych na kondycje raf koralowych
Opracowane przez:Jakuba Skowrońskiego i Agatę Blaim
Warszawa 2007
Wstęp W obecnych czasach dochody narodowe państw w dużej mierze są zdeterminowane przez wpływy uzyskane z ogólnie rozumianej turystyki. Tylko w 2002 r w gałęzi tej zatrudnionych było 199 milionów ludzi, przynoszących zyski w wysokości 3,500 bilionów $, co stanowiło 10% światowego GDP. Turystyka jest jednym z pięciu głównych źródeł wymiany zagranicznej dla 83% państw na świecie. Rozwój tej gałęzi to aż 4.6% w 2000r, co dało jej pierwsze miejsce wśród rozwijających się przemysłów na świecie. Rozwój turystyki związanej z rafami koralowymi, a w szczególności z nurkowaniem jest jeszcze szybszy wynosi aż 20% rocznie.[1] Rozwój przemysłu turystycznego dla niektórych państw jest swego rodzaju wybawieniem, często jedyne co mają do zaoferowania to wybrzeże, oraz rafy koralowe. W poniższej pracy przeanalizujemy jaki wpływ ma ów rozwój turystyki, oraz inne czynniki pochodzenia ludzkiego na żywotność rafy koralowej. Herman Cesar, Laureata Burke, oraz Lida Pet-Soede w pracy badawczej „The Economics of Worldwide Coral Reef Degradation” obok turystyki stawiają zanieczyszczenia, eksploatacje łowisk, oraz czynniki pochodzenia poza ludzkiego związane ze zmianą klimatu: globalne ocieplenie, El Ninio, czy huragany. Opierając swe badania na jednym obszarze -Hurghadzie wyestymowali Oni procent zniszczonej rafy w zależności od liczby zejść pod wodę wykonanych przez nurków w danym roku. Wynik potwierdził duży negatywny wpływ powyższego czynnika na stan rafy koralowej. Ogromnym problemem są także zanieczyszczenia, wpływają one negatywnie na rozwój rafy blokując dostęp do światła oraz planktonu głównego źródła pożywienia żywej jej części. W pracy zbiorowej „The State of Coral Reef Ekosystem of the Commonwealth of Puerto Rico” autorstwa min. Ernesto Diaz’a, Jorge’a Sabater’a autorzy zwracają szczególną uwagę właśnie na negatywny wpływ zanieczyszczeń pochodzenia przemysłowego. Stwierdzają, że zanieczyszczenia wpuszczane w głębi lądu do rzek, które swe ujścia mają w pobliżu usytuowania raf koralowych prowadzą do powolnej acz nieuniknionej śmierci żywej rafy - hamują jej rozwój, rafa fragmentarycznie obumiera, skamieliny odcinają dopływ światła i proces obumarcia postępuje dalej. Autorzy obu prac starają się uświadomić swym czytelnikom, że jedynym rozwiązaniem jest ochrona raf koralowych. Przez ochronę mają na myśli kontrolę nad ich eksploatacją przez turystów, ograniczenie wpływu zanieczyszczeń poprzez wycofanie przemysłu ciężkiego z rejonów zagrożonych, oraz nadzór nad utylizacja reszty wytwarzanych przez dany region odpadów. Jest to jednak proces długo trwały i bez pomocy rządów państw nierealny do wykonania.Hipoteza badawcza W naszym badaniu ograniczymy się do dwóch wspomnianych wyżej czynników: turystyki i zanieczyszczeń, oraz dodamy czynnik wydatków na ochronę środowiska. Zbadamy ich wpływ na degradację rafy koralowej. Stawiamy hipotezę o przewadze negatywnego wpływu skali emisji CO2 nad negatywnym wpływem skali turystyki, a także o dużym pozytywnym wpływie wydatków na ochronę środowiska. Dane oraz budowa modelu Na podstawie prac oraz badań z jakimi się zapoznaliśmy zbudowaliśmy model, który uzależnia wielkość ubytku rafy koralowej od wielkości turystyki, zanieczyszczeń, oraz wydatków na ochronę środowiska.
Model opracowaliśmy na podstawie danych zawartych w ReefBase: Raporty przedstawiane przez GCRMN – „Global Coral Reef Monitoring Network” dotyczące kondycji raf koralowych na dany rok – informacje na temat ubytku(%) żywej rafy koralowej.
The World Bamk Group : WDI „Word Development Indicators” Dane dotyczące emisji CO2, populacji w danych krajach na rok 1999, oraz ilości turystów w wybranych krajach na rok 1999, GNI per capita dla 1999 roku.
„The World Factbook” – dane dotyczące długości wybrzeża.
Model szacowaliśmy za pomocą programu Stata/SE 8.0. W procesie estymacji wykorzystaliśmy model regresji liniowej ze stałą. Nasza baza danych zawiera 56 raf w 12 krajach. Model regresji:Y=b1+b2 lnx1-b3 lnx2+b4 lnx3
Zmienna objaśniana:ubytek rafy koralowejY - liczona w %.
Znak „-” przed wielkością Y oznacza przyrost żywej rafy.Zmienne objaśniające:ilość CO2 na 1 km wybrzeżax1 – w bazie zmienna ta jest zmienną ilościową i przyjmuje wartości ciągłe- (w tonach/km)
wydatki na ochronę środowiska na 1 km wybrzeżax2 – w bazie zmienna ta jest zmienną ilościową i przyjmuje wartości ciągłe - (US$ z 1999r)ilość turystów na 1 km wybrzeża
x3 – w bazie zmienna ta jest zmienną ilościową
Prezentacja graficzna zmiennych
Estymacja modelu
Source | SS df MS Number of obs = 56
-------------+------------------------------ F( 2, 53) = 13.95
Model | 7867.10415 2 3933.55208 Prob > F = 0.0000
Residual | 14943.8289 53 281.959037 R-squared = 0.3449
-------------+------------------------------ Adj R-squared = 0.3202
Total | 22810.9331 55 414.744238 Root MSE = 16.792
------------------------------------------------------------------------------
ubytekrafyw | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
ln_co2_brzeg | 7.278713 1.377971 5.28 0.000 4.514852 10.04257
ln_co2_brzeg | (dropped)
ln_turysta~g | -5.956644 2.0377 -2.92 0.005 -10.04375 -1.869534
_cons | 37.12645 11.80272 3.15 0.003 13.45319 60.79972
W wyniku estymacji liniowej metodą najmniejszych kwadratów jedna ze zmiennych została odrzucona. Chcąc ustalić przyczynę policzyliśmy wzajemna korelacja tych zmiennych, a także korelacje między ich wartościami składowymi.
.
. correlate ln_co2_brzeg ln_co2_brzeg ln_turysta_brzeg
(obs=56)
| ln_co2~g ln_co2~g ln_tur~g
-------------+---------------------------
ln_co2_brzeg | 1.0000
ln_co2_brzeg | 1.0000 1.0000
ln_turysta~g | 0.5534 0.5534 1.0000
. correlate co2total ochronatotalmln
| co2total ochron~n
-------------+------------------
co2total | 1.0000
ochronatot~n | 1.0000 1.0000
Wysoka korelacja miedzy ilością emitowanego dwutlenku węgla i wydatkami na ochronę środowiska, zarówno w wartościach bezwzględnych jak i po podzieleniu na długość linii brzegowej jest bardzo zastanawiająca. Zbadaliśmy więc korelację miedzy składnikami tych zmiennych. Wskaźnikiem emisji CO2 na mieszkańca oraz PKB na mieszkańca, a także miedzy ich wartościami bezwzględnymi, czyli po przemnożeniu przez liczbę mieszkańców.
. correlate gniprecapitacurrentus co2percapita
| gnipre~s co2per~a
gniprecapi~s | 1.0000
co2percapita | 0.3341 1.0000
. correlate gnitotalmln co2total
| gnitot~n co2total
gnitotalmln | 1.0000
co2total | 0.9870 1.0000
Wyniki tych korelacji jasno tłumaczą skąd bierze się tak wysoka korelacja miedzy zmiennymi. Ze względu na to że porównujemy kraje o diametralnie różnej liczbie mieszkańców, to właśnie ona zaważyła na wynikach (odrzuceniu jednej zmiennej) modelu.
Poprawny model
Analiza regresji dokonana została na próbie równej n=56, liczba zmiennych jest równa 2. Łącznie wszystkie zmienne objaśniające są istotne ( Prob > F = 0.0000), a także wszystkie zmienne pojedyńczo są istotne (P>| t | jest mniejsze niż założony poziom 0.05 przy założonym przedziale ufności to 95%). Wartość R^2 wynosi 0.3449 oznacza to, że zmienne objaśniające uwzględnione w modelu w około 34,5% wyjaśniają ubytek rafy koralowej. Pozostała część zmienności wyjaśniana jest przez inne czynniki. Z estymacji wynika że zwiększenie emisji CO2 względem długości linii brzegowej o 7,28% powoduje ubytek rafy o 1%. Ciekawy jest wynik estymacji parametru dla wielkości turystyki. Wynika z niego, że spadek liczby turystów względem długości linii brzegowej o 5,96% powoduje ubytek rafy o 1%, wynik ten jest odwrotny od naszych założeń.
Diagnostyka modelu.
Test na poprawność formy funkcyjnej (RESET)
Ramsey RESET test using powers of the fitted values of ubytekrafyw
Ho: model has no omitted variables
F(3, 50) = 10.05
Prob > F = 0.0000
Test polegający na sprawdzeniu czy forma funkcyjna zastosowana w naszym modelu jest prawidłowa. Hipoteza zerowa tego testu mówi o tym, że liniowa specyfikacja modelu jest właściwa. Hipoteza alternatywna – że liniowa specyfikacja modelu nie jest właściwa.
W tym przypadku wartość prawdopodobieństwa 0.000 wskazuje, że nie ma podstaw do przyjęcia hipotezy zerowej o prawidłowości liniowej formy funkcyjnej modelu, bo 0.000 < 0.05.
Test Jarque-Bera na normalność reszt
sktest e /* test Jarque-Bera na normalność reszt
> H0: zmienna ma rozkład normalny
> HA: zmienna ma inny rozkład */
Skewness/Kurtosis tests for Normality
------- joint ------
Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2) Prob>chi2
-------------+-------------------------------------------------------
e | 0.028 0.110 6.70 0.0350
Reszty nie maja rozkładu normalnego, niema podstaw do przyjęcia hipotezy zerowej. Wyniki testu niejako potwierdza wykres 1, porównujący rozkład reszt z rozkładem normalnym, widać, iż są ona inne.
Porównanie rozkładu reszt i rozkładu normalnego
Wykres 1. Porównanie rozkładu reszt i rozkładu normalnego
Hipoteza zerowa tego testu mówi o tym, że składnik losowy modelu jest homoskedastyczny. Hipoteza alternatywna – że składnik losowy modelu jest heteroskedastyczny.
Ho: Constant variance
Variables: fitted values of ubytekrafyw
chi2(1) = 14.31
Prob > chi2 = 0.0002
Testowanie heteroskedastycznosci ( test White’a )
Test ten służy do weryfikacji założenia o stałości wariancji, w teście tym szacowana jest regresja ze zmienną objaśnianą będącą resztami z pierwotnego modelu i zmiennymi objaśniającymi będącymi kwadratami i iloczynami krzyżowymi zmiennych objaśniających z pierwotnego modelu. Hipoteza zerowa mówi o tym, że składnik losowy modelu jest homoskedastyczny. Hipoteza alternatywna – że składnik losowy modelu jest heteroskedastyczny.
imtest, white
White's test for Ho: homoskedasticity
against Ha: unrestricted heteroskedasticity
chi2(5) = 19.91
Prob > chi2 = 0.0013
Cameron & Trivedi's decomposition of IM-test
---------------------------------------------------
Source | chi2 df p
---------------------+-----------------------------
Heteroskedasticity | 19.91 5 0.0013
Skewness | 8.43 2 0.0148
Kurtosis | 3.03 1 0.0817
Total | 31.37 8 0.0001
W tym teście również odrzucamy hipotezę zerową. Wnioskując z obu testów można stwierdzić, iż model jest heterooskedastyczny.
Variable | VIF 1/VIF
-------------+----------------------...
kubuskow