xRegulamentação ambiental, inovação tecnológica verde e ecoeficiência: o caso do cinturão

econômico do rio Yangtze na China

Resumo

A contradição entre desenvolvimento econômico e proteção ambiental tornou-se uma grande

preocupação em muitos países em desenvolvimento. Para resolver as questões ambientais,
medidas políticas e técnicas devem ser consideradas. No entanto, devido às diferenças
geográficas, climáticas e econômicas, as questões ecológicas precisam ser resolvidas em nível
regional. Este estudo propõe um sistema complexo de ecoeficiência (EE) composto por
componentes multidimensionais com fluxos de entropia para uma região econômica, o
Cinturão Econômico do Rio Yangtze, na China. Observaram-se disparidades distintas de
ecoeficiência no cluster urbano, com maior eficiência nas cidades centrais e menor eficiência
nas cidades satélites. Com base nas características periódicas de ecoeficiência, foram
encontrados dois períodos distintos, 2008–2012 e 2013–2016. As relações entre
regulamentação ambiental (ER), inovação tecnológica verde (GTI) e EE variaram em diferentes
regiões e períodos devido aos efeitos de “compensação inovadora”, “custo de conformidade”
e “recuperação de energia”. Quando o GTI melhorou o EE com eficiência, o ER inadequado
enfraqueceu os benefícios marginais do GTI. Quando um “efeito rebote de energia” ocorreu,
ER moderado foi encontrado para ajudar a reduzir a influência prejudicial de GTI. Um
fenômeno de “corrida para o topo” foi encontrado para ser mais provável em áreas
desenvolvidas, enquanto um efeito de “corrida para o fundo” foi encontrado nos aglomerados
urbanos ocidentais. São fornecidas políticas ambientais sustentáveis diferenciadas de
integração de abordagens institucionais e de mercado livre.

Introdução O rápido crescimento nos países em desenvolvimento exigiu uma grande

quantidade de recursos, o que resultou em danos ecológicos significativos, como alta poluição
e consumo excessivo de recursos (Miao et al., 2017). A contradição entre economia e ecologia
tem se tornado cada vez mais proeminente, especialmente na China, onde as carreiras
políticas estão vinculadas ao crescimento econômico regional e as autoridades locais tendem a
enfraquecer a aplicação da regulamentação ambiental (ER) em troca de ganhos econômicos
temporários. Além disso, há efeitos de demonstração na promoção de funcionários em áreas
adjacentes que transformam um problema individual em uma questão regional. Com o conflito
entre economia e ecologia, a ecoeficiência (EE) tem sido proposta para equilibrar o valor
econômico e o impacto ambiental. Nesse contexto, a tecnologia é a chave para escapar desse
dilema e contribui para a criação de uma sociedade sustentável, e a tecnologia verde evita
ainda mais o avanço tecnológico tendencioso, visando com mais precisão a proteção
ambiental (Song et al., 2018). Atualmente, o desenvolvimento regional exige que o processo
seja científico, verde e sustentável. Impulsionadas pelos fluxos de recursos e pela urbanização,
as cidades estão cada vez mais conectadas e formando várias aglomerações urbanas, o que
promoveu o efeito de transbordamento espacial do desenvolvimento econômico e da poluição
ambiental entre as cidades. Sob a influência da divisão administrativa convencional e da
descentralização fiscal, os governos locais carecem de cooperação e tendem a atingir as metas
de conservação de energia e redução de emissões individualmente, ignorando a complexidade
regional dos problemas ecológicos. Além disso, existe homogeneidade e heterogeneidade nas
aglomerações urbanas, e o padrão ambiental nacional e a estratégia científica podem não se
adequar a cada região. Além disso, vários fatores internos e externos impactam a eficácia das
mudanças de EE, aos quais diferentes regiões devem prestar atenção. Por exemplo, o
“Protocolo de Kyoto”, um tratado ambiental internacional, compromete os países
desenvolvidos e em desenvolvimento a reduzir a meta de emissões de 2005 a 2012,
respectivamente (Robaina – Alves et al., 2015). Poucos estudos investigaram sistematicamente
como o termo de interação de ER e inovação tecnológica verde (GTI) afetam a EE em diversas
circunstâncias. Dadas as diferenças crescentes em várias regiões, por exemplo, elementos de
recursos, nível de urbanização e resiliência ambiental, a escassez de pesquisas examinando
esta questão torna-se deletéria. O objetivo deste artigo é preencher esta lacuna, propondo um
quadro integrado para a implementação de uma análise de classificação completa
quantitativa, ou seja, classificação de período e classificação de distrito, no Cinturão
Econômico do Rio Yangtze. O framework proposto pretende focar no GTI e explorar os efeitos
de interação de fatores políticos e tecnológicos na EE, tomando a aglomeração urbana como
uma amostra de pesquisa e rompendo as limitações das divisões administrativas provinciais.
Este estudo contribui para a literatura de três maneiras. Primeiro, a relação causal entre ER,
GTI, seu termo de interação e EE são estudados sob a mesma estrutura.

O estudo explora o impacto do GTI na EE sob diferentes regulamentações ambientais (por

exemplo, apropriado ou inadequado) para ajustar a intensidade do ER e obter um benefício
mais marginal da tecnologia verde. Em segundo lugar, o GTI tem se distinguido da inovação
tecnológica tradicional, tornando o estudo dos efeitos da tecnologia verde na EE mais
direcionado e específico. Terceiro, a região da amostra é uma escolha ideal para fazer
recomendações específicas sobre o desenvolvimento e construção regional sustentável. O
Cinturão Econômico do Rio Yangtze se diferencia de outras regiões econômicas da China como
uma bacia de drenagem totalmente independente, com elementos de recursos exibindo
relativa independência e integridade do sistema. É um alvo adequado para modelos de
economia espacial e uma amostra ideal para explorar os efeitos de transbordamento espacial
de fatores econômicos, ecológicos, políticos e tecnológicos para fornecer uma base política
para o desenvolvimento sustentável regional. As seções restantes são organizadas da seguinte
forma. A seção 2 apresenta a revisão da literatura. A seção 3 apresenta os métodos e a fonte
de dados. A seção 4 apresenta nossos principais achados e interpreta os resultados analíticos
empíricos espaciais. A seção 5 conclui este estudo, e a seção 6 explica as implicações de uma
política de sustentabilidade das aglomerações urbanas. Finalmente, a Seção 7 discute as
limitações do estudo e as possíveis direções de pesquisas futuras. 2. Fundamentação teórica e
revisão da literatura 2.1. Fundamentação teórica Entendemos a ecoeficiência como resultado
de uma combinação de vários fatores. Os objetos de influência analisados (1) regulamentação
ambiental e (2) inovação tecnológica verde fornecem a infraestrutura para realizar a
colaboração. A economia ecológica institucional fornece uma referência para o desenho,
implementação e eficácia de soluções de governança ambiental (Norgaard, 2004). Focamos as
quatro partes internas da economia ecológica institucional: custos de transação, capacidade
cognitiva limitada, interdependência e capital social (ver Fig. 1). Conceituar as questões
ambientais como instâncias interdependentes e reconhecer os custos de transação positivos
são a chave para a compreensão da natureza das questões ambientais. A capacidade cognitiva
limitada se desenvolve com o progresso tecnológico e tem um impacto importante na tomada
de decisão ambiental, com o conceito de capital social enriquecendo as análises de governança
ambiental. 2.2. Ecoeficiência e sua heterogeneidade espacial Um dos principais desafios da
economia ecológica é como entender e estudar o desenho de políticas ambientais e
instituições de governança para melhorar o ambiente ecológico e melhorar a eficiência da
economia ecológica (Paavola e Adger, 2005). A crítica neoclássica, a interdisciplinaridade e a
compreensão do meio ambiente como um sistema dinâmico com limites físicos são o
pensamento básico da economia ecológica original, que é respeitada por economistas
ecológicos

institucionais. À medida que enfocam o papel de várias instituições e atores, o modo existente
é enriquecido com base nas visões de representantes da economia institucional. De acordo
com a visão representativa da modernização ecológica, os objetivos econômicos e ambientais
podem ser integrados dentro de uma estrutura de modernidade industrial (Gowdy e Erickson,
2005; Røpke, 2004; Söderbaum, 1999). No entanto, o ambiente ecológico, como um sistema
dinâmico com limites físicos, no quadro da modernização industrial e divisão administrativa,
como ele é afetado pelo sistema e pelas instituições permanecem obscuros. Com base nas
teorias da economia ecológica institucional, este artigo adota a ecoeficiência como um índice
das condições ambientais regionais para capturar as opções de políticas e mudanças
ambientais. A ecoeficiência foi inicialmente introduzida por Schaltegger e Sturm (1996) e
consequentemente desenvolvida em uma definição amplamente aceita: reduzir
progressivamente o impacto ambiental e as intensidades de recursos enquanto,
concomitantemente, satisfaz as necessidades da sociedade e melhora a qualidade de vida;
envolve a produtividade total dos fatores em que as externalidades desfavoráveis são medidas
como uma razão do produto dividido pelo insumo (Ren et al., 2018; Wang et al., 2013; Wu et
al., 2016).

Para avaliar EE, um método de estimativa de fator total é necessário. O modelo Data
Envelopment Analysis (DEA) tem sido amplamente empregado como uma medida de eficiência
ambiental não paramétrica (Fan et al., 2017; Huang et al., 2018), enquanto outros métodos,
como o processo de hierarquia analítica (Chen, 2009), total -fator de produtividade (Li e Wu,
2017), modelo de avaliação fuzzy (Guo et al., 2012), avaliação do ciclo de vida (Park e Seo,
2006) e avaliação do impacto ambiental (Chang et al., 2018) também têm sido comumente
usado para avaliações ecológicas. Os pesquisadores buscam os fatores influentes da EE,
incluindo economia, ER, tecnologia, urbanização e descentralização fiscal, entre outros.
Ultimamente, alguns deles começaram a se concentrar em efeitos espaciais e propuseram que
prefeituras vizinhas e aglomerados urbanos podem promover o aumento de EE (Li et al .; Yu et
al., 2018b). A interação entre os padrões estruturais e o desenvolvimento ao longo do tempo,
bem como as interações entre atores e instituições em diferentes escalas espaciais, podem ser
usadas para explicar a dinâmica dos sistemas sociotécnicos (Bergh et al., 2011). Morton et al.
(2018) demonstraram a importância das condições socioeconômicas, ambientais e das
políticas locais, especialmente sua heterogeneidade espacial na formação das políticas
nacionais. Como a aglomeração espacial dos fatores de produção tem um efeito dinâmico
sobre o desenvolvimento econômico, a EE urbana poderia ser promovida por meio do
desenvolvimento de aglomerados urbanos que têm um acúmulo de capital humano e
spillovers de conhecimento. No entanto, também pode ser prejudicado por emissões de
poluentes e exploração excessiva. Ainda não se sabe se os efeitos de aglomeração e interação
de fatores de influência podem promover EE. Assim, propomos a hipótese 1. H1: Eco-
condições ruins podem resultar de regulamentações inadequadas e podem resultar em
heterogeneidade espacial. 2.3. Relações da EE com ER e GTI De acordo com a economia
ecológica institucional, a governança ambiental inclui o estabelecimento e implementação de
instituições de governança para resolver conflitos ambientais (Young, 1994). A resolução de
conflitos ambientais refere-se à atividade de trade-off quando os interesses ambientais
conflitam com os interesses econômicos e sociais. Equilibrar os interesses para resolver os
conflitos ambientais é responsabilidade do governo. A governança ambiental envolve custos
de transação, incorridos como resultado da coleta de informações, tomada de decisões,
estabelecimento de regras institucionais, monitoramento do cumprimento dessas regras e
implementação dessas regras (Paavola, 2002b). O objetivo da governança ambiental é
promover a ecologia. No entanto, é impossível definir medidas de governança perfeitas com
antecedência, e podem coexistir interdependência e conflitos de interesse entre os diferentes
níveis de instituições de governança (Williamson, 2007). Os custos de transação resultantes
podem impedir que as medidas de governança ambiental atinjam o objetivo de melhorar o
ambiente ecológico. A hipótese de Porter, que se baseia em uma economia fechada, afirma
que as regulamentações ambientais (ERs) adequadas podem desencadear a inovação
corporativa e construir uma vantagem competitiva (Porter e Van Der Linde, 1995). No entanto,
como a política ambiental pode ser adaptada com flexibilidade às mudanças nos fatores
externos, os efeitos retardados podem influenciar a condição ecológica em diferentes
períodos. Uma variedade de relações entre ER e EE foram identificadas sem conclusões
consistentes. Eles podem ser divididos em quatro tipos principais. (1) Negativo. A economia
neoclássica sugere que sob a restrição dos REs, os custos da empresa aumentam devido às
taxas de poluição, que levam a reduções de lucro (Barbera e Mcconnell, 1990; Gollop e
Roberts, 1983). Lanoie et al. (2011) afirmaram que as políticas ambientais são desfavoráveis ao
desempenho dos negócios e que a inovação não compensa os custos de conformidade
regulatória. (2) Positivo. Com base na "hipótese de Porter", o ER é um instrumento importante
para os governos promoverem a inovação tecnológica, bem como melhorar o desempenho
econômico e ambiental das empresas (Porter e Van Der Linde, 1995). Zhang et al. (2011)
descobriram que a aplicação de ERs na China poderia melhorar o índice de produtividade de
Malmquist – Luenberger. (3) Não linear. Isern et al. (2001) concluíram que a correlação entre
ER e EE era não linear e apresentava uma curva “em forma de U invertido”. Luo e Wang (2017)
também encontraram uma relação “em forma de U” entre regulamentos de tipo de
investimento e EE em regiões provinciais na China de 1998–2013. (4) Irrelevante. Becker
(2011) não sugeriu nenhum efeito estatisticamente significativo na produtividade em uma
região com ERs rigorosos. Para ilustrar melhor a correlação não linear, dois esboços são
apresentados na Fig. 2. Existem interações entre diferentes níveis de governança. Por um lado,
quando os usuários dos recursos se administram de acordo com os sistemas consuetudinários
locais, a governança ambiental não envolve o estado.

Por outro lado, o estado está estreitamente envolvido no estabelecimento e implementação

das chamadas novas medidas voluntárias de proteção ambiental. Além disso, as soluções de
governança local são afetadas por outros níveis e áreas de governança, e não podem ser
simplesmente ampliadas ou seladas (Atlger, 2003; Paavola, 2002a). As interações regionais
podem ser interpretadas pelo capital social, que não compartilha as características de outras
formas de capital. As relações entre os sujeitos são conceituadas como redes, protocolos e
fluxo de informações, que foram denominados capital social (Dolsak e Ostrom, 2003). A
dimensão pública do capital social existe na rede que melhora o desempenho econômico
geral, não na rede de assuntos específicos (Narayan e Pritchett, 1999). O capital social e as
redes de reciprocidade ajudam a melhorar as condições ambientais e auxiliam no
enfrentamento dos estressores ambientais. Para os efeitos de transbordamento espacial,
argumentou-se que a dimensão espacial impacta significativamente os fatores de cidade
inteligente, diferenciando-os uns dos outros. Há uma interação entre as cidades próximas que
pode impactar as pontuações de inteligência; em outros termos, as escolhas estratégicas para
que uma cidade seja inteligente possuem um componente espacial que pode desempenhar
um papel fundamental (Angelidou, 2014). Não apenas as interações humanas, mas também o
efeito da poluição mudariam as situações isoladas. De acordo com a hipótese de Porter e os
resultados empíricos de estudos anteriores, aprendemos que a relação entre ER e EE existe e
varia de acordo com a região. Assim, propomos a hipótese 2. H2: Existe uma relação não linear
entre ER e EE, que tem um spillover espacial que afeta as configurações de políticas vizinhas.
GTI se tornou um foco popular nos últimos anos devido à sua capacidade de melhorar o
desempenho ambiental por meio da ecoinovação, inovação ambiental e tecnologias verdes
(Ghisetti e Quatraro, 2017; Wang et al., 2013; Yu et al., 2018; Yu et al., 2016). A tecnologia é
um dos principais trabalhos de pesquisa da economia ecológica institucional. Austríaco e
Schumpeteriano consideram a mudança tecnológica como a força motriz da mudança
institucional (Paavola e Adger, 2005). As mudanças institucionais causadas pelo progresso
tecnológico levam ainda mais a mudanças no ambiente ecológico. Em geral, o estabelecimento
de tecnologias verdes e sistemas de proteção ambiental ajudam a melhorar o ambiente
ecológico. Mais precisamente, as inovações em tecnologias verdes, como produção limpa e
sistemas de tratamento de terminais, podem, respectivamente, melhorar a eficiência dos
recursos e a qualidade ambiental. Em unidades de eficiência de recursos, a energia, como um
elemento de produção, percorre todo o processo, desde a entrada até a saída em um sistema
econômico-recurso-ambiental. Energia limpa e tecnologias inovadoras são usadas na origem
para alcançar uma produção limpa, o que ajuda a reduzir a intensidade do consumo de
recursos e entradas de energia não essenciais, conseqüentemente levando a resultados mais
desejáveis. As tecnologias de produção limpa também podem reduzir ou eliminar as emissões
de poluição em todo o processo, o que fornece as condições para operações econômicas
verdes. Os tratamentos terminais, como tratamentos de poluentes e reciclagem, podem
reduzir os efeitos desfavoráveis da produção no ambiente ecológico. Além disso, o efeito
líquido dos REs sobre a inovação tecnológica depende do tamanho do efeito “compensação
inovadora” e do efeito “custo de conformidade” (Lanoie et al., 2008). A regulamentação
ambiental pode promover a aplicação de tecnologia “limpa” como um princípio central da
modernização ecológica. Em segundo lugar, ao melhorar o design do produto e o desempenho
econômico, a regulamentação ambiental pode se beneficiar da inovação (Smith e Crotty,
2010). Shi et al. (2017) enfocam os efeitos causais da regulamentação ambiental na inovação
empresarial nas áreas-piloto de comércio de emissões de carbono da China, e eles descobrem
que esse mecanismo causal tem um efeito de migração em empresas regulamentadas,
especialmente para empresas altamente poluentes e estatais. Quando os ERs são
inadequados, pode haver um efeito de bloqueio no equipamento, tecnologias e instituição
existentes, o que é conhecido como efeito de “custo de conformidade”. Os ERs também
podem aumentar os custos de produção das empresas, o que reduz os investimentos em
Pesquisa e Desenvolvimento (P&D) e torna as empresas mais propensas a escolher um sistema
de tratamento terminal apenas para atender aos padrões de emissões; no entanto, a produção
indesejável seria inevitavelmente prejudicial à ecologia. No entanto, um nível moderado de ER
pode estimular o efeito de “compensação de inovação”, o que pode motivar as empresas a
escolher uma estratégia diferenciada para melhorar a eficiência dos recursos, alcançar uma
produção limpa e lucrar com essas mudanças.

O desenvolvimento sustentável também pode ser promovido pela produção limpa e,

principalmente, pelo uso de energia limpa, que é vital para a EE. Assim, propomos a hipótese
3. H3: GTI tem uma influência positiva sobre EE e um spillover espacial, e o efeito de promoção
do GTI sobre EE pode ser ajustado positivamente por um nível moderado de ER. 2.4. Foco
deste estudo A revisão da literatura mostra que estudos anteriores apresentam os seguintes
problemas. Em primeiro lugar, alguns métodos de estimativa tendenciosa foram usados para
avaliar EE, por exemplo, a análise de envoltória de dados se concentra apenas nos dados de
seção cruzada e não pode comparar os resultados de diferentes pontos de tempo. Assim, um
método de combinação fuzzy de entropia de informação é mais adequado para estimativa de
EE. Em segundo lugar, a maioria dos estudos é baseada na estrutura de variáveis relevantes, de
forma independente. Poucos deles investigam os efeitos de interação específicos entre ER e
GTI em EE. Terceiro, desenvolvem-se vieses quando patentes regionais são usadas para avaliar
as habilidades do GTI, pois os índices do GTI podem refletir o efeito direto dos ERs e dos
mecanismos de mercado no uso de ecotecnologias. Quarto, o transbordamento espacial no
nível provincial é unilateral, uma vez que as províncias são relativamente independentes na
China. O modelo econométrico espacial é mais aplicável a múltiplas aglomerações urbanas no
nível da cidade. Este artigo busca abordar as seguintes questões: Quais são as diferenças de EE
em diferentes aglomerações urbanas durante períodos distintos, e quais são os efeitos da
heterogeneidade temporal, regional e política? Como nenhuma conclusão consistente foi
tirada para a correlação entre ER e EE, se o GTI pode ser promovido por ERs moderados
permanece desconhecido. Se as interações entre GTI e ER têm efeitos de transbordamento
espacial de EE, então como os estados originais mudam? Depois que um limite é ultrapassado,
isso pode ser contraproducente? Se houver um efeito de transbordamento espacial, quais são
as razões para essas mudanças? Finalmente, soluções são oferecidas para alcançar o
desenvolvimento sustentável quando os fatores e possíveis repercussões são identificados.
Com base nas análises acima, as hipóteses e o caminho completo de ER para GTI e EE são
propostos na Fig. 2. 3. Metodologia, dados e área de estudo 3.1. Modelo econométrico e
método de estimativa 3.1.1. Modelo clássico de dados em painel Dado que existe uma certa
volatilidade nas mudanças ambientais ecológicas, um modelo clássico de dados em painel, o
modelo Ordinary Least Square (OLS), foi estabelecido como segue (Li e Wu, 2017): Equação 1.
onde i é a unidade, t é o ano, EE é a ecoeficiência, GTI é a inovação tecnológica verde, ER e ER2
são as regulamentações ambientais locais (para determinar se existe uma relação “em forma
de U” entre ER e EE), X é o controle variável, μi é um efeito fixo de seção transversal, νt é o
efeito fixo de período e ɛit é o termo de erro. Todas as variáveis foram normalizadas usando o
método estatístico Z-score no MATLAB (Saha et al., 2017). 3.1.2. As variáveis do modelo de
dados de painel dinâmico espacial podem ser difundidas e podem se espalhar por espaços
geoespaciais, o que indica que o modelo econométrico de dados de painel não espacial não é
mais uma estimativa ideal, imparcial e consistente; portanto, um modelo de painel dinâmico
espacial é necessário para avaliar os efeitos entre as variáveis dependentes e independentes
nas regiões vizinhas (Elhorst, 2016; Kelley, 2009). Portanto, neste artigo, um modelo de dados
em painel espacial é estabelecido para obter resultados de regressão mais precisos. Como o
modelo Spatial Durbin Model (SDM) contém variáveis defasadas, ele pode fornecer uma
solução quando há falta de heterogeneidade espacial e questões incertas. Além disso, em
comparação com um modelo econômico espacial geral, o SDM também é capaz de capturar as
correlações espaciais entre as variáveis dependentes e os efeitos de transbordamento espacial
das variáveis independentes (Elhorst, 2014). Um termo de EE defasado de um ano é incluído
nos dados do painel espacial dinâmico para que o tempo t persista em níveis dinamicamente
estáveis e yt = yt 1, a menos que haja mudanças nos fatores que afetam o nível de yt (Baltagi
et al., 2018; Longo et al., 2015). Usando notações padrão, a forma comum do modelo
dinâmico com efeitos individuais e fixos no tempo é a seguinte: Equação 2. onde y é o valor de
eco-eficiência, ρ é o coeficiente de autocorrelação espacial, W é a matriz de peso espacial, X é
o variáveis independentes, β e θ são os coeficientes regressivos espaciais, Wyand WX são
termos de defasagem espacial para a variável dependente e variável independente e μi, νt e ɛit
respectivamente são o efeito fixo no tempo, o efeito fixo individual e o termo de erro.
Os outros fatores de impacto foram extraídos de (Gudipudi et al., 2018; Liu, 2009; Yanqun e
Yuan, 2017; Yu et al., 2018; Yu et al., 2018) como as variáveis de controle; Cluster da Indústria
(IC), Urbanização (UR), Investimento Estrangeiro Direto (IED) e Alfabetização Cultural (CL).
Especificamente, o modelo de regressão econométrica dinâmica que inclui o efeito da
inovação tecnológica verde e regulamentos ambientais na ecoeficiência regional pode ser
definido como segue: Equação 3. onde i e t são a unidade e o ano, j denota as cidades
próximas (i ≠ j), wij é a matriz de pesos espaciais, e as demais são as mencionadas
anteriormente. 3.1.3. Método de avaliação da entropia-informação difusa A lei da entropia é a
segunda lei da termodinâmica: ela descreve a direção da conversão de energia em um sistema,
ou seja, a energia de um sistema fechado só pode ser irreversivelmente transformada ao longo
dessa direção junto com a atenuação. A ciência do sistema introduz o conceito de entropia e é
usada para pesquisa, sugerindo que a entropia do sistema é uma descrição da complexidade
do sistema, da relação de estrutura ordenada e do estado de eficiência. O sistema adquire
continuamente materiais do meio ambiente e energia, o que introduz entropia negativa no
sistema, de modo que o incremento ordenado de todo o sistema é maior do que o incremento
desordenado. Quando o valor da entropia é menor que zero, a nova estrutura e a nova
organização formarão espontaneamente uma estrutura dissipativa. Ou seja, em um sistema
aberto e distante do equilíbrio, por meio da troca contínua de matéria e meio ambiente,
energia e informações, obtém-se entropia negativa e melhora-se a natureza ordenada de todo
o sistema (Dai et al., 2011; Glasner et al., 2000; Jing e Xiong, 2010; Lin et al., 2010). As entradas
e saídas costumam ser imprecisas na vida real. Essa imprecisão pode ser representada por
relações de intervalo, relações ordinais ou membros difusos (Puri e Yadav, 2017). Modelos de
fronteira estocásticos são freqüentemente mal apresentados e muitos pesquisadores estão
ansiosos para o desenvolvimento de técnicas de estimativa robustas. Nos últimos anos, o
estimador de entropia tem sido amplamente utilizado na literatura como uma alternativa
poderosa ao estimador tradicional para estimação do modelo de fronteira estocástica
(Robaina-Alves et al., 2015). Os resultados de grandes estudos de simulação mostram que a
diferença entre a média real e estimada da menor perda de erro quadrático médio e eficiência
técnica é pequena. Como uma ferramenta poderosa para estimativa de limite de produção
dependente do estado, a entropia máxima pode ser uma ferramenta poderosa para estimativa
de fronteira de produção relacionada ao estado (Scotto, 2014). O método de entropia da
informação é usado para construir a distância de entropia entre o índice de autoavaliação e
avaliação cruzada (Shi et al., 2015). Ecoeficiência é um conceito difuso com múltiplos
indicadores e classes, e a poluição ambiental (produzida pelo sistema socioeconômico), bem
como a reconstrução do ambiente ecológico (ou seja, restauração da capacidade do
ecossistema de lidar com os impactos humanos) representam a entropia produção (Khalil,
1989). Do ponto de vista da produtividade do fator total, a EE pode ser vista como um sistema
complexo composto de componentes multidimensionais, cada um dos quais contendo fluxos
de entropia (Zhang et al., 2006). A atribuição de peso dinâmico para cada unidade de avaliação
cruzada é determinada a partir da distância de entropia (Robaina-Alves et al., 2015; Shi et al.,
2015); no entanto, como isso não pode ser determinado usando um modelo DEA ou qualquer
um dos modelos de estimativa mencionados anteriormente, conjuntos brutos difusos com
base em relações difusas são usados para medir a similaridade entre os objetos e remover os
atributos redundantes e irrelevantes sem diminuir significativamente a precisão de predição
de o classificador que foi construído apenas a partir dos recursos selecionados (Zhang et al.,
2016). Portanto, o método fuzzy informationentropy pode atingir um melhor valor de
estimativa de EE. Sabe-se que as variáveis empregadas no método de estimação são entradas
e saídas. Antes de medir EE, devemos desenvolver a abordagem para resolver os resultados
indesejáveis. Para saídas desejáveis, quanto maior o valor, melhor é o desempenho; para
resultados indesejáveis, quanto menor o valor, melhor é o desempenho. Ou seja, entradas e
saídas indesejáveis compartilham a mesma característica; são fatores que devem ser reduzidos
ao mínimo. Assim, aliado à pesquisa de Carboni e Russu (2015); (Färe e Grosskopf, 2003; Jie et
al., 2013; Ren, 2016), escolhemos a abordagem de Seiford e Zhu (2002) para tratar as saídas
indesejáveis como entradas controláveis. O processo de cálculo específico é o seguinte: •
Supondo que o número de cidades seja n e o número de indicadores de avaliação selecionados
seja m, então a matriz de dados original r para o sistema de avaliação é. Equação 4. • De
Shannon et al. (1949), a entropia ej de cada indicador de avaliação pode ser expressa como.
Equação 5.

• O cálculo do peso da entropia do j-ésimo fator de avaliação, e a determinação do seu peso

ωj, é realizado da seguinte forma: Equação 6. É aparente que a soma de todos os ωj é igual a 1,
o que indica que quanto maior o valor de (1 ej), maior é o peso do fator específico. • Para
superar a interferência de fatores subjetivos, os pesos são determinados com base na
confiabilidade da informação em cada índice e no conjunto bruto fuzzy proposto por Zadeh
(1999); os indicadores positivos e negativos são difundidos para formar a nova matriz de
normalização: Equações 7, 8, 9. • Em seguida, o valor de entrada ecológico pode ser
determinado; quanto maior o valor de cálculo, melhor é o desempenho. Equação 10. A ideia
básica de uma avaliação de eficiência é medir o benefício gerado por uma entrada de unidade
da avaliação de eficiência. Ao definir as várias entradas ecológicas e os resultados benéficos
correspondentes, uma comparação abrangente pode ser feita para analisar a eficiência da
alocação de recursos. Neste artigo, EE regional é definida como a razão da saída e entrada, que
é expressa como Equação 11. onde EEi é a ecoeficiência, Oi é o valor das saídas desejáveis, Ii é
o cálculo para as entradas ecológicas, e Ui é a estimativa para as saídas indesejáveis. 3.1.4.
Teste de autocorrelação espacial e configuração de peso espacial Como mencionado antes, os
fatores geoespaciais residuais são negligenciados no modelo clássico de dados em painel; no
entanto, como a aglomeração espacial e a heterogeneidade das variáveis possivelmente
afetam o objeto observado de diferentes maneiras, as estatísticas globais de Moran são
calculadas (Moran, 1948) que estão relacionadas às variáveis na região geral do estudo,
definidas como segue: Equações 12, 13. onde n é o número de unidades, o subscrito i e j
representam as cidades i e j, Yi e Yj denotam os correspondentes valores de EE baseados em
entropia de informação difusa, Y é a média de ecoeficiência e wijis a matriz de ponderação
espacial. Esses elementos são determinados a partir das definições de distância geográfica e
econômica adotadas. Para estimar os parâmetros espaciais, a matriz de ponderação de
distância é primeiro aplicada e um método de distância inversa geográfica é adotado que tem
uma forma de matriz de ponderação específica como segue (Li e Wu, 2017): Equação 14. onde
wij g são os elementos no matrizes de ponderação de distância geográfica, i e j denotam as
unidades opostas, e dgi j é o valor da distância em linha reta entre os centros geográficos
administrativos de duas cidades em nível de prefeitura. A estrutura da metodologia e do
método é mostrada na Fig. 3. 3.2. Variável e área de estudo 3.2.1. Variáveis e fontes de dados
3.2.1.1. Variável dependente. A medição de EE é um sistema complexo que envolve muitos
acoplamentos mútuos e fatores desconhecidos ou incertos. É um conceito estendido de
“desenvolvimento sustentável” que pode ser calculado a partir de indicadores baseados na
relação economia / meio ambiente (ISO 14045, 2012) (Hukkinen, 2001). A EE é de grande
importância para facilitar o desenvolvimento sustentável de uma região. No entanto, existem
algumas inconsistências entre os conceitos e relacionamentos. Muitos fatores devem ser
levados em consideração no acesso às entidades de ecoeficiência. Alguns fatores ambientais,
como consumo de energia e emissão de dióxido, são exógenos para os tomadores de decisão e
tendem a produzir resultados indesejáveis e também desejáveis. Essas saídas introduzem
entropia no sistema, causando um aumento em toda a entidade em ordem e a origem de
novas estruturas. Assim, este artigo integra a entrada, a saída desejável e a saída indesejável
em uma estrutura de avaliação de entropia de informação difusa. Usando o princípio da
entropia da informação, o vetor de peso desses fatores pode ser calculado de forma objetiva.
Com relação aos fatores de avaliação, é imperativo selecionar fatores de entrada e saída
apropriados para avaliar EE. Com referência a (Khalil, 1989; Lanoie et al., 2008; Wu et al.,
2016), as saídas indesejáveis produzidas inevitavelmente como parte do procedimento têm
um impacto negativo na EE e, consequentemente, devem ser excluídas da saída desejável .
Além dos princípios de operabilidade e disponibilidade, oito indicadores básicos e clássicos são
adotados para refletir EE, cujas definições e estatísticas descritivas são mostradas na Tabela 1.
Especificamente, capital, energia, terra e abastecimento de água são os insumos, bruto
regional produto doméstico é a saída desejada, e águas residuais, dióxido de enxofre e
emissões de poeira industrial são as saídas indesejáveis. 3.2.1.2. Variáveis explicativas. A EE
pode ser promovida ou inibida por fatores ambientais externos diretos e indiretos de uma
região. Esses fatores são explicados em detalhes abaixo, e as estatísticas descritivas associadas
são mostradas na Tabela 1 do Apêndice.

3.2.1.3. Variáveis essenciais. Regulamentações Ambientais (ERs). Os ERs chineses são

classificados em regulamentações de comando e controle, regulamentações baseadas no
mercado e regulamentações voluntárias, com regulamentações como taxas de poluição,
impostos sobre emissões e subsídios de emissões sendo regulamentações baseadas no
mercado destinadas a encorajar empresas altamente poluentes a reduzir as emissões. Nesse
caso, o acesso aos regulamentos de comando e controle e aos regulamentos voluntários é
limitado pela falta de dados municipais em nível de prefeitura; no entanto, com base na
pesquisa de Ren et al. (2018), a taxa de descarga de poluentes é mais adequada e, portanto, é
aplicada neste artigo. Inovação Tecnológica Verde (GTI). Embora uma variedade de definições
tenha sido fornecida, este artigo usa a definição amplamente adotada de Oltra e Kemp (2009);
O GTI é um conceito abrangente que abrange novos processos de produção ao longo do ciclo
de vida com o objetivo de reduzir o risco ambiental, a poluição e outros impactos negativos do
uso de recursos. Foi demonstrado que a inovação tecnológica pode afetar diretamente a EE.
Em consonância com as medidas fornecidas por Costantini et al. (2017), o “Inventário Verde do
IPC” da WIPO para patentes de tecnologia verde na China foi o seguinte: biocombustíveis,
outra fabricação ou uso térmico, veículos ferroviários, linhas de fornecimento de energia,
isolamento geral de edifícios, reciclagem de energia mecânica e células eólicas e de
combustível (Fujii e Managi, 2019; Ren, 2010). Portanto, neste caso, o número de pedidos de
patentes verdes aceitos é usado para representar o GTI. 3.2.1.4. Variáveis de controle.
Aglomeração industrial (IA). Com base na disponibilidade de dados, a proporção de emprego
em um setor específico da indústria para o emprego total em todas as indústrias é adotada
neste artigo para refletir o impacto na EE (Yu et al., 2018). Nível de urbanização (UL). A perda
ecológica acelerada e a poluição ambiental resultam do aumento constante das populações
urbanas e da expansão do uso do solo urbano, que é causada pelo processo de urbanização e
refletida na taxa de urbanização (Liu, 2009). Investimento Estrangeiro Direto (IED). A
proporção de IED para PIB é considerada para observar a relação no Cinturão Econômico do
Rio Yangtze (Yu et al., 2018). Alfabetização cultural (CL). A percepção do público se
correlaciona bem com a EE urbana; no entanto, devido à falta de dados na China, os estoques
de bibliotecas são geralmente escolhidos como representantes por acadêmicos chineses em
estudos de percepção urbana (Gudipudi et al., 2018; Yanqun e Yuan, 2017). Portanto, neste
artigo, os estoques de livros por habitante são adotados para refletir a alfabetização cultural.
3.2.2. Área de estudo A meta para o Cinturão Econômico do Rio Yangtze (YREB), conforme
publicado no “Esboço do plano de desenvolvimento YREB” em 2016, era cultivar um cluster
industrial de classe mundial (Anonymous, 2016). O YREB foi construído em um “corredor
ecológico verde” de 2,05 milhões de quilômetros quadrados que abrange mais de 40% da
população e do PIB da China. Consiste em cinco grandes aglomerações urbanas; a aglomeração
urbana do Delta do rio Yangtze (YDUA), o Poyang Lake City Cluster (PLCC), o Wuhan City Circle
(WCC), o Chang-Zhu-Tan City Cluster (CCC) e a Cheng-Yu Urban Agglomeration (CYUA), como
mostrado na Fig. 4. Como uma típica zona de demonstração de desenvolvimento verde, ela
desempenha um papel crucial na estratégia de desenvolvimento da nação por causa das
sensibilidades extremas entre desenvolvimento econômico e proteção ambiental ecológica,
polarização e coordenação, e governos locais e o regime central. 3.2.3. Fonte de dados Todos
os dados sobre as variáveis mencionadas acima para 57 cidades no Cinturão Econômico do Rio
Yangtze da China foram coletados de 2008 a 2016. Os dados brutos do GTI foram obtidos por
meio de coleta manual da plataforma servchangshaice de informações do escritório de
propriedade intelectual da China. As patentes foram extraídas do banco de dados CNIPA e
atribuídas às cinco aglomerações urbanas com base nos códigos de identificação do
“Inventário Verde do IPC” em Ren (2010), e os dados coletados foram finalmente usados para
agregar o número de pedidos de patentes no nível da prefeitura. Outros dados foram
extraídos do China City Statistical Yearbook, do China Statistical Yearbook, do China
Environment Yearbook, do China Energy Yearbook e dos anuários estatísticos de cada
província. Além disso, dados do ministério chinês da ecologia e meio ambiente e informações
de proteção ambiental da China foram usados como dados complementares.

4. Resultados e discussão 4.1. Análise da EE baseada em entropia de informação difusa 4.1.1.

Mudanças na dimensão espacial Devido às externalidades ambientais, os governos precisam
desenvolver regulamentações para limitar a expansão desenfreada de empresas não verdes
(Zhao et al., 2017). O slogan “Águas lúcidas e montanhas exuberantes são ativos inestimáveis
(Xi, 2017)” proposto pelo presidente Xi Jinping, que assumiu o poder em novembro de 2012, e
o “Protocolo de Kyoto“ aprovado pelos membros da Conferência das Nações Unidas sobre
Mudança Climática em 2009 para se concentrar na redução de emissões a partir de 2012,
levaram a uma melhoria dramática na situação ambiental na China. A Fig. 5 mostra que a EE
regional YREB diminuiu significativamente nos primeiros cinco anos, mas melhorou
significativamente nos quatro anos de 2012 a 2016. Com a crescente reforma e abertura, as
regiões centro-leste da China experimentaram transferências industriais do leste cidades, bem
como um IED mais alto, resultando em um crescimento significativo no consumo de recursos e
nos danos ambientais associados; no entanto, a situação melhorou em 2016. Desde que a
mudança de indústria foi proposta, as cidades secundárias nessas duas aglomerações
otimizaram a aglomeração industrial, que também foi impulsionada pelas cidades YDUA de
primeiro nível. Em contraste com o PLCC e o WCC, as tendências de EE no aglomerado de
cidades Chang-Zhu-Tan (CCC), que tem três cidades centrais, Changsha, Zhuzhou e Xiangtan,
eram bastante diferentes das áreas adjacentes. Embora Xiangtan estivesse estável, houve
declínios contínuos em Zhuzhou, a situação de Changsha piorou em 2016 e a condição
ambiental nas cidades de segundo nível não era otimista. A CCC está localizada no centro da
China e passou por uma importante transição industrial de um grande número de empresas
industriais pesadas. O desenvolvimento da infraestrutura nas cidades satélites foi
significativamente menor do que nas áreas centrais com estradas melhoradas e maior
desenvolvimento técnico, atraindo, portanto, mais manufatura. No entanto, como o governo
local se concentrou apenas no crescimento econômico, houve quedas significativas em EE. A
aglomeração urbana de Cheng-Yu (CYUA), localizada no oeste da China, tem dois núcleos:
Chengdu e Chongqing. A EE de Chengdu permaneceu estável no nível mais alto, enquanto a de
Chongqing diminuiu em 2012 e depois voltou ao quinto nível em 2016. Além disso, algumas
cidades satélites tiveram ecoeficiências mais baixas, enquanto outras, como Guangan,
melhoraram. 4.1.2. Mudanças na dimensão do tempo Robaina-Alves et al. (2015) avaliaram o
problema de eficiência de recursos e meio ambiente de países europeus e dividiram sua
amostra em dois períodos distintos com base na implementação de metas ambientais.
Conforme mostrado na Fig. 6, as ecoeficiências neste documento foram então plotadas em
dois períodos; de 2008 a 2012 e de 2013 a 2016. A situação ambiental do YREB piorou de 2008
a 2012, com notável heterogeneidade não só entre as cinco aglomerações, mas também
dentro de cada aglomeração. No entanto, de 2013 a 2016, o desempenho ecológico melhorou
e as diferenças regionais diminuíram, o que indica que a situação ambiental nas áreas
circunvizinhas foi afetada pelas cidades centrais e que as aglomerações urbanas podem
influenciar a EE regional. 4.2. Resultados e análises empíricas espaciais 4.2.1. Resultados da
autocorrelação espacial e da análise de redes sociais Os índices I de Moran foram aplicados
para examinar a presença de aglomeração espacial e heterogeneidade espacial. Aglomeração
espacial é o mesmo que aglomeração espacial, que representa a existência de dependência
espacial impulsionada por proximidades geográficas, tecnológicas, sociais ou institucionais
(Fiaschi et al., 2017). A Tabela 2 mostra os resultados de EE, GTI e ER para cada ano de 2008 a
2016. Os índices de Moran para GTI e ER foram maiores que zero, indicando aglomeração
espacial; os valores estatísticos foram significativos ao nível de 10% ao longo do período da
amostra. Parecia haver maior aglomeração espacial entre as três variáveis, o que poderia
afetar significativamente as estimativas empíricas individuais. Portanto, um modelo de dados
de painel espacial dinâmico foi usado para resultados mais precisos. Para mostrar os padrões
espaciais de ER e GTI, utilizamos a técnica de análise de redes sociais para capturar o spillover
espacial, aplicando o modelo gravitacional para construir conexões espaciais. Os resultados
mostram Chongqing, Chengdu, localizado na parte central da rede de correlação espacial de
inovação de tecnologia verde da aglomeração urbana de Cheng-Yu. Eles se comunicam com
outras cidades com frequência e controlam o fluxo de recursos. No Círculo da Cidade de
Wuhan, Wuhan e Xiangyang recebem mais relações de outras cidades e recursos relacionados
ao GTI são entregues a elas. No aglomerado de cidades Chang-Zhu-Tan, as relações GTI
geralmente existem entre as cidades, e Changsha desempenha um papel significativo nisso.

A correlação espacial do Poyang Lake City Cluster é mais complexa, quase todas as cidades têm
inúmeras relações com outras e Hefei, Maanshan e Xuancheng são os principais controladores
da rede. Wuxi, Suzhou e Xangai estão no coração da rede GTI da aglomeração urbana do delta
do rio Yangtze, recebendo muitas relações de outras cidades. Além disso, a rede de correlação
espacial do ER possui características semelhantes às do GTI. 4.2.2. Discussão geral dos
resultados da regressão espacial 4.2.2.1. EE um ano defasado e os termos espaciais defasados.
Os resultados estimados são apresentados na Tabela 3. Para obter resultados robustos, o
período geral da amostra foi dividido em duas etapas, como na análise anterior, e um modelo
de espaço fixo e ano foi empregado para garantir robustez e endogeneidade; portanto, havia
10 colunas de resultados estimados para as cinco aglomerações urbanas. As hipóteses nulas de
erro espacial e um modelo de defasagem foram rejeitadas, o que indica que o SDM dinâmico
pode ser razoavelmente adotado. (1) As colunas 1 e 2 da região YDUA mostram que o
coeficiente para EE com defasagem de um ano (EEt 1) foi negativo (−0,273) e significativo ao
nível de 1% (t = −2,433), o que significa que cada unidade aumenta em O EEt 1 induziu um
decréscimo de 31% (e (e (0,273) 1 0,314) no EE atual no período inicial. O efeito não era óbvio
no período tardio, mas desempenhou um certo papel no processo dessa mudança. Esse
fenômeno era consistente com a teoria de Rostow (1959), enquanto os resultados são
inconsistentes com Luo e Wang (2017), ou seja, embora o eco-desempenho anterior fosse
bom, o potencial de deterioração ambiental poderia aparecer gradativamente com a
aceleração da economia desenvolvimento e urbanização, o que inevitavelmente afetaria a EE.
Mesmo que os governos locais possam se concentrar no meio ambiente, o crescimento
econômico dramático, que muitas vezes é ignorado nas estimativas de EE, pode levar a
desempenhos mais baixos de EE nos anos seguintes. O coeficiente de efeitos de
transbordamento espacial para EEt 1 (W × EEt 1) em YUDA foi desfavorável (−2342) de 2008–
2012, o que indicou que a difusão da emissão de poluentes tendeu a afetar toda a vizinhança.
No entanto, o coeficiente de efeito de transbordamento espacial para EEt 1 (W × EEt 1) em
YUDA (0,972) de 2013 a 2016 (não significativo no nível de 10%) revelou amplo
desenvolvimento à custa do meio ambiente. (1) Região PLCC Como visto nas colunas 3 e 4, o
coeficiente para EEt 1 foi pobre (−0,666) e significativo no nível de 5% (−2,269) de 2008 a 2012,
e foi alto (0,136) e significativo em o nível de 1% (3.099) de 2013–2016. O coeficiente de W ×
EEt 1 foi consistente com o de YDUA, mas não foi significativo. Em particular, no período
tardio, o status ecológico do PLCC era melhor do que no YDUA. Por causa do investimento
estrangeiro do governo central e da política de desenvolvimento de transferência industrial, o
distrito de Poyang Lake implementou medidas como a restauração de terras recuperadas em
excesso para lagos, o que aumentou seu ecostatus não apenas no ano corrente, mas também
nos períodos posteriores. Esse fenômeno pode ser explicado pela capacidade cognitiva
limitada, como parte da economia ecológica institucional, que sugere que os agentes precisam
de tempo para aprender e esclarecer seus objetivos e preferências. Isso destaca a importância
dos procedimentos de aprendizagem e participação na tomada de decisões ambientais
(Norgaard, 2004). (1) Região WCC O coeficiente para EEt 1 foi negativo (−0,640) e significativo
ao nível de 10% (−1,888) de 2008 a 2012, e foi positivo (−0,084) e significativo ao nível de 1%
(−5,523 ) de 2013–2016. O coeficiente de transbordamento foi negativo (−11,895) e
significativo ao nível de 1% (t = −4,892) no período inicial e teve o maior valor entre as cinco
aglomerações urbanas, o que indicou que a destruição ambiental no WCC teve o maior
negativo efeito de transbordamento. No entanto, uma recuperação significativa ocorreu após
2012, com um coeficiente de transbordamento positivo (0,326) que foi significativo no nível de
1% (3,951) de 2013–2016. Esse resultado indicou que, por meio de esforços conjuntos, as
medidas de proteção ambiental tiveram resultados notáveis.

(1) Regiões CCC e CYUA Colunas 7 e 8 indicaram que os coeficientes para EEt 1 e seus efeitos
de transbordamento espacial foram negativos (−0,579, −0,087, −10,611, −5,558) e
significativos em diferentes níveis de significância (t = −4,117, t = −0,605, t = −7,389, t =
−1,695), o que indicava claramente que a atividade econômica humana anterior não apenas
teve um efeito negativo na atual condição ecológica, mas também afetou as regiões vizinhas.
Da mesma forma, no CYUA, os coeficientes para EEt 1 não foram significativos (−0,087,
−0,224), mas os coeficientes de transbordamento espacial foram significativos ao nível de 1%
(−4,059, t = −2,658) e ao nível de 10% (−1,434 , t = 1,959). Como o CYUA está localizado no
oeste da China, o desenvolvimento econômico ficou aquém dos demais, resultando em menor
emissão de poluentes e, portanto, um coeficiente menor para os resultados da regressão.
4.2.2.2. ER, GTI e seu termo de interação entre as cinco aglomerações urbanas (1) região
YDUA. Conforme mostrado nas colunas 1 e 2, em YDUA, ER e ER2 tiveram correlações
negativas com EE e foram significativos no nível de 10% durante o período da amostra, devido
ao grau de mercantilização e economia de impostos. Resolver problemas ambientais usando
incentivos de mercado é mais eficiente para as regiões orientais (Ren et al., 2018). O
liberalismo de livre mercado argumenta que a melhor maneira de entender como o sistema de
mercado funciona é vê-lo como um “jogo de criação de riqueza” (Hayek, 1976). Deixe os
participantes do mercado fazerem suas próprias escolhas dentro das regras do jogo. Se vale a
pena jogar o jogo só pode ser julgado pela conveniência do modelo resultante, não pela
intervenção (Vanberg, 1999). Os resultados sugerem que menos regulamentação ajuda a
região YDUA a melhorar o estado da economia e do meio ambiente. Em comparação com
outras aglomerações urbanas, o governo local de YUDA adotou uma política ambiental flexível
por causa de sua mercantilização avançada, que reduziu os custos unitários de proteção
ambiental (Li e Wu, 2017). No entanto, como as taxas de poluentes são de responsabilidade
das empresas na contabilidade financeira chinesa, para obter uma economia tributária
marginal, havia uma maior possibilidade de potenciais emissões de poluição das empresas.
Portanto, como os custos de compliance ambiental foram menores que os custos de
governança, houve uma tendência de seguir uma estratégia de custos de compliance. Os
coeficientes dos termos de defasagem espacial para ER e ER2 foram negativos e significativos
ao nível de significância de 10%, o que indicou que, sob a influência da ER local, as
ecoeficiências vizinhas sofreram uma queda semelhante. Esta análise indicou que a EE é
influenciada pelo consumo de recursos e poluição ambiental. A ER local estimulou os
incentivos fiscais à redução das emissões de poluentes potenciais e, nas regiões vizinhas, o uso
do recurso teve um fluxo interno; ou seja, o maior consumo de recursos agravou tanto o
ambiente local quanto o de vizinhança. O aumento nas emissões locais de poluição da
produção expandida também resultou em um efeito de estouro negativo no ecostatus vizinho.
O coeficiente de regressão do GTI não foi significativo de 2008 a 2012, o que sugere que a
eficiência na comercialização é baixa e que as inovações tecnológicas ainda não foram
aplicadas ao processo produtivo. No entanto, de 2013-2016, o coeficiente de regressão para
GTI foi positivo ao nível de significância de 5%, de acordo com a conclusão de Kiani Mavi, Saen
e Goh (2018), que indicou que se tratava de uma área de demonstração de alta tecnologia com
produção e tratamentos finais. Portanto, o GTI desempenhou um papel positivo na eco-
situação na YDUA, visto que a produtividade do trabalho e a vantagem competitiva estavam
melhorando em empresas homogêneas. O termo de interação GTI × ER foi significativo e
positivo ao nível de significância de 10%. A “hipótese de Porter” afirma que o GTI não tem
efeito óbvio na EE; no entanto, sob o efeito regulador do ER, os indivíduos adotam uma
estratégia de custo avançado diferente para alavancar os efeitos de compensação do GTI para
cobrir os custos do ER. O termo de interação espacial defasado foi significativo e positivo no
período inicial, revelando o efeito de interação entre ER e GTI e indicando que EE nas áreas
locais e de vizinhança foi promovido; isso representa um fenômeno de “corrida ao topo”. O
spillover de EE verificou ainda mais nossa hipótese. Em termos de interdependência e capital
social, as cidades em YDUA formaram um efeito de escala social.

(1) Regiões CCC e CYUA Colunas 7 e 8 indicaram que os coeficientes para EEt 1 e seus efeitos
de transbordamento espacial foram negativos (−0,579, −0,087, −10,611, −5,558) e
significativos em diferentes níveis de significância (t = −4,117, t = −0,605, t = −7,389, t =
−1,695), o que indicava claramente que a atividade econômica humana anterior não apenas
teve um efeito negativo na atual condição ecológica, mas também afetou as regiões vizinhas.
Da mesma forma, no CYUA, os coeficientes para EEt 1 não foram significativos (−0,087,
−0,224), mas os coeficientes de transbordamento espacial foram significativos ao nível de 1%
(−4,059, t = −2,658) e ao nível de 10% (−1,434 , t = 1,959). Como o CYUA está localizado no
oeste da China, o desenvolvimento econômico ficou aquém dos demais, resultando em menor
emissão de poluentes e, portanto, um coeficiente menor para os resultados da regressão.
4.2.2.2. ER, GTI e seu termo de interação entre as cinco aglomerações urbanas (1) região
YDUA. Conforme mostrado nas colunas 1 e 2, em YDUA, ER e ER2 tiveram correlações
negativas com EE e foram significativos no nível de 10% durante o período da amostra, devido
ao grau de mercantilização e economia de impostos. Resolver problemas ambientais usando
incentivos de mercado é mais eficiente para as regiões orientais (Ren et al., 2018). O
liberalismo de livre mercado argumenta que a melhor maneira de entender como o sistema de
mercado funciona é vê-lo como um “jogo de criação de riqueza” (Hayek, 1976). Deixe os
participantes do mercado fazerem suas próprias escolhas dentro das regras do jogo. Se vale a
pena jogar o jogo só pode ser julgado pela conveniência do modelo resultante, não pela
intervenção (Vanberg, 1999). Os resultados sugerem que menos regulamentação ajuda a
região YDUA a melhorar o estado da economia e do meio ambiente. Em comparação com
outras aglomerações urbanas, o governo local de YUDA adotou uma política ambiental flexível
por causa de sua mercantilização avançada, que reduziu os custos unitários de proteção
ambiental (Li e Wu, 2017). No entanto, como as taxas de poluentes são de responsabilidade
das empresas na contabilidade financeira chinesa, para obter uma economia tributária
marginal, havia uma maior possibilidade de potenciais emissões de poluição das empresas.
Portanto, como os custos de compliance ambiental foram menores que os custos de
governança, houve uma tendência de seguir uma estratégia de custos de compliance. Os
coeficientes dos termos de defasagem espacial para ER e ER2 foram negativos e significativos
ao nível de significância de 10%, o que indicou que, sob a influência da ER local, as
ecoeficiências vizinhas sofreram uma queda semelhante. Esta análise indicou que a EE é
influenciada pelo consumo de recursos e poluição ambiental. A ER local estimulou os
incentivos fiscais à redução das emissões de poluentes potenciais e, nas regiões vizinhas, o uso
do recurso teve um fluxo interno; ou seja, o maior consumo de recursos agravou tanto o
ambiente local quanto o de vizinhança. O aumento nas emissões locais de poluição da
produção expandida também resultou em um efeito de estouro negativo no ecostatus vizinho.
O coeficiente de regressão do GTI não foi significativo de 2008 a 2012, o que sugere que a
eficiência na comercialização é baixa e que as inovações tecnológicas ainda não foram
aplicadas ao processo produtivo. No entanto, de 2013-2016, o coeficiente de regressão para
GTI foi positivo ao nível de significância de 5%, de acordo com a conclusão de Kiani Mavi, Saen
e Goh (2018), que indicou que se tratava de uma área de demonstração de alta tecnologia com
produção e tratamentos finais. Portanto, o GTI desempenhou um papel positivo na eco-
situação na YDUA, visto que a produtividade do trabalho e a vantagem competitiva estavam
melhorando em empresas homogêneas. O termo de interação GTI × ER foi significativo e
positivo ao nível de significância de 10%. A “hipótese de Porter” afirma que o GTI não tem
efeito óbvio na EE; no entanto, sob o efeito regulador do ER, os indivíduos adotam uma
estratégia de custo avançado diferente para alavancar os efeitos de compensação do GTI para
cobrir os custos do ER. O termo de interação espacial defasado foi significativo e positivo no
período inicial, revelando o efeito de interação entre ER e GTI e indicando que EE nas áreas
locais e de vizinhança foi promovido; isso representa um fenômeno de “corrida ao topo”. O
spillover de EE verificou ainda mais nossa hipótese. Em termos de interdependência e capital
social, as cidades em YDUA formaram um efeito de escala social.

As colunas 3 e 4 mostram os coeficientes para ER (significativo e positivo) e ER2 significativo e

negativo) no PLCC de 2008 a 2012, sugerindo que havia uma relação em forma de U entre ER e
EE, que era consistente com a "hipótese de Porter" e apoiado por Gao (2018). Os termos
defasados espaciais não eram óbvios durante o período posterior, indicando que o governo
nesta aglomeração tinha uma política independente e um maior grau de descentralização
fiscal, uma vez que não havia interatividade óbvia com a formulação da política ambiental. A
relação em forma de u indica que a atribuição inicial dos custos de transação mudou com a
evolução institucional. Os custos de transação diminuem com o aperfeiçoamento dos sistemas,
posteriormente, a EE foi aprimorada. O GTI teve um impacto positivo na EE a um nível de
significância de 1% no período inicial, o que testou nossa hipótese e sugeriu que a eficiência de
conversão do GTI no PLCC era mais forte, elucidando ainda mais a “hipótese de Porter”. No
entanto, de 2013 a 2016, o efeito significativo e positivo não foi evidente, principalmente por
causa das transferências industriais e do aumento do investimento estrangeiro. Como as
empresas na aglomeração urbana utilizaram diretamente a tecnologia de terceiros para
melhorar sua produção limpa e tratamento final, a significância positiva do GTI local
enfraqueceu, o que também pode ser observado com base na relação favorável entre IED e EE.
O coeficiente do seu termo de interação foi positivo e significativo de 2008 a 2012,
confirmando ainda mais nossa hipótese. (1) região WCC. As colunas 5 e 6 mostram que os
coeficientes para as variáveis observacionais tiveram o mesmo efeito de direção em todo o
período da amostra. O ER e o EE mostraram uma óbvia “forma de U” invertida a um nível de
significância de 5%, de acordo com as conclusões de Ren et al. (2016). Semelhante à “Política
de População” na China, mesmo que as multas possam limitar alguma fertilidade, a maioria
das famílias rurais ainda tende a pagar a multa por ter mais filhos (Bogg, 2011; Li, 1998). De
acordo com a hipótese de Porter, as fábricas tendem a reduzir a poluição dentro de certos
limites. Há um pagamento de multa fixa quando a quitação excede um certo padrão maior,
mas a multa fixa agora enfrenta dificuldade de exercer um efeito maior nas empresas,
formando um declínio induzido por multa em EE (Chen et al., 2006; Cui, 2019; Yu , 2015).
Assim, uma “forma de U” invertida é apresentada, e os esboços das correlações não lineares
são mostrados na Fig. 8. O nível ER no WCC permaneceu na fase ascendente da curva em “U”
invertido, e os corpos relacionados alcançaram maior benefícios ambientais com custos mais
baixos porque tiveram melhor alocação de recursos, comparando custos e benefícios. Em
contraste com a YDUA, onde as questões ambientais foram resolvidas por meio de incentivos
de mercado, tanto a EE quanto a mercantilização no WCC foram reduzidas. O benefício
marginal diminuiu e a intensidade do ER aumentou, perdendo assim seu efeito regulador
superior. Consequentemente, uma relação invertida em “forma de U” apareceu. Os termos
defasados espaciais para ER e ER2 indicam uma relação “em forma de U” invertida óbvia entre
os ERs locais e as ecoeficiências da vizinhança ao nível de significância de 5%; ou seja, por
causa do efeito do ER local, a condição ecológica vizinha era a mesma da área local. Ou seja,
houve homogeneidade na formulação da política ambiental, pois o RE era o mesmo nas
prefeituras. O GTI no WCC teve um efeito negativo sobre a EE ao nível de significância de 5%, o
que foi o inverso da nossa hipótese. Um “efeito rebote de energia” (Wang et al., 2014; Zhang
et al., 2017) foi aplicado para avaliar este fenômeno interessante. Chamamos isso de “o
redesenvolvimento da capacidade cognitiva limitada”. Por um lado, a EE é afetada pela
poluição ambiental e pelo consumo de recursos, o que também atua como um catalisador para
que o GTI exerça uma influência na EE. Por outro lado, o GTI aumenta a utilização de recursos
e promove a produção limpa, e a inovação tecnológica melhora a produtividade do trabalho e
estimula o crescimento econômico, aumentando assim a demanda por energia, aumentando
as emissões de poluentes da produção e reduzindo a EE em geral. Portanto, não pode ser
simplesmente entendido como uma mera questão de efeito negativo, já que um efeito de
recuperação de energia impulsionado pelo progresso da tecnologia verde gera um crescimento
marginal no consumo de energia e emissões de poluição e uma queda na EE. Os termos
espacialmente defasados foram desfavoráveis ao nível de significância de 1%, indicando um
efeito de transbordamento espacial prejudicial. Isso é consistente com a economia ecológica
institucional. O uso de recursos por um agente o impede de outro, potencialmente
desencadeando uma corrida por unidades de recursos (Hardin, 1968). No caso de recursos
limitados, a escolha de um agente limita a gama de escolhas disponíveis para outros (Paavola e
Adger, 2005).

De acordo com a teoria dos mercados de fatores, os recursos energéticos vizinhos fluem para a
área de demanda, resultando em um transbordamento da poluição ambiental, que por sua vez
leva a uma diminuição da EE. Os coeficientes para a interação e os termos defasados espaciais
foram positivos ao nível de significância de 5%, o que significa que quando há um "efeito
rebote de energia", um ER moderado pode ajustar os efeitos adversos do GTI e ter um impacto
positivo, que também encorajou as tendências de “corrida para o topo” tanto na área local
quanto na vizinhança. (1) Região CCC. As colunas 7 e 8 mostram uma relação “em forma de U”
invertida entre ER e EE ao nível de significância de 1% na região CCC, que se alinha com os
resultados na região WCC. Ambos ER e EE estavam na fase ascendente da curva, e o valor
numérico do período tardio era maior do que o período inicial, indicando que o governo local
precisava controlar o efeito regulador de ER. O coeficiente de defasagem espacial para ER não
era óbvio no período inicial, mas depois mostrou uma tendência semelhante significativa,
indicando uma convergência política gradual à medida que governos vizinhos começaram a
imitar uns aos outros para orientar a formulação de políticas ecológicas. O papel promissor do
GTI e seu termo defasado espacial em EE no nível de significância de 1% no período inicial
indicou que o GTI estava impulsionando a cooperação para a conservação de energia, com as
áreas locais e vizinhas se beneficiando dos spillovers tecnológicos verdes e do efeito rebote de
energia ainda não tinha aparecido. No entanto, o coeficiente GTI foi posteriormente negativo
no nível de significância de 1%, indicando que os aumentos do consumo marginal de energia
resultaram em uma EE diminuída. Como o prazo de defasagem espacial não era óbvio, o efeito
rebote energético local ainda não se estendeu ao vizinho, onde os impactos favoráveis do GTI
marginal ainda se faziam sentir. O coeficiente de interação e seu termo defasado espacial
foram negativos ao nível de significância de 1% no estágio inicial, sugerindo que quando o EE
estava sendo afetado de forma promissora pelo GTI, sua contribuição marginal foi diminuída
por causa do efeito regulador local do ER. Assim, a tendência de EE na vizinhança foi
semelhante à da área local, indicando que houve um forte transbordamento espacial e um
fenômeno de “corrida para o fundo”. Este fenômeno pode ser ilustrado pelo free riding. Como
existem interdependências em casos clássicos de externalidade, os estudiosos propuseram a
possibilidade de carona. A escolha de carona de um agente aumenta o custo da prestação de
serviços a outros agentes e reduz sua disposição de participar da prestação de serviços
(Paavola e Adger, 2005). Mesmo que a EE tenha sido pouco afetada pelo efeito rebote de
energia, após o efeito regulador de ER no período tardio, EE foi favorável ao nível de
significância de 1%, significando que o consumo de energia marginal de rebote de energia e as
emissões marginais de poluição poderiam ser neutralizadas por ER regulação do impacto e
promoção da EE. Como o termo espacial defasado não era significativo ou positivo, esperava-
se que surgisse uma tendência promissora de ER na vizinhança. (1) Região CYUA. As colunas 9
e 10 mostram uma relação de correlação semelhante com as colunas 9 e 7; ou seja, as
variáveis parecem ter as mesmas tendências do período inicial das regiões CCC e CYUA,
portanto, apenas os resultados do período posterior são discutidos aqui. Primeiro, o EE foi
afetado negativamente pelo ER no nível de significância de 1%, indicando que conforme a
intensidade do ER aumentou, o impacto marginal favorável no EE desapareceu. Como o termo
de defasagem espacial para ER e ER2 não era óbvio, o CYUA tinha eco-políticas independentes.
O GTI e seu coeficiente de defasagem espacial contribuíram pouco para a má condição
ecológica no nível de significância de 1%, já que o “fenômeno de recuperação de energia” no
CYUA foi desfavorável para a vizinhança. O termo de interação foi positivo no nível de
significância de 1%, e seu termo defasado espacial não era óbvio, o que parecia sugerir a
presença de um rebote de energia. EE poderia ser melhorado pelo efeito regulador marginal
ER. No entanto, como mencionado antes, como ER foi geralmente prejudicial para EE neste
período, a intensidade de ER deve ser controlada adequadamente para atingir a contribuição
marginal. Em resumo, a relação de ER, GTI e EE variou com as mudanças nos fatores regionais,
carga de recursos, modos de governo governamental e grau de mercantilização, validando as
teorias da economia ecológica de diferentes perspectivas. Tanto a economia ecológica
institucional quanto a teoria do mercado livre consideram as instituições como os fatores que
influenciam na alocação de recursos. As instituições que mudam o uso influenciam a alocação
de recursos, e a estrutura institucional fornece incentivos para que os indivíduos conservem ou
esgotem os recursos escassos (Paavola, 2007; Stroup, 2000). Não há dúvida de que a economia
ecológica institucional é adequada para a governança ambiental na China, mas isso não
significa que cada regulamentação seja necessária e que implementações uniformes devam ser
utilizadas em regiões distintas.

Do ponto de vista do transbordamento ecológico, políticas ambientais de desenvolvimento

profundamente arraigadas e diferenciadas devem ser implementadas (Yu et al., 2018). As
políticas de controle devem ser executadas, como internalizar a externalidade do
desenvolvimento econômico regional por mecanismos de mercado em áreas desenvolvidas e
fortalecer as políticas de governança ambiental lideradas pelo governo nos distritos em
desenvolvimento. (Considerando a extensão e o foco deste estudo, omitimos a discussão das
variáveis de controle. Qualquer coisa que você queira saber, por favor, não hesite em nos
contatar.) 4.2.3. Teste de robustez e controle para endogeneidade A partir desses resultados,
fica claro que a seleção de um índice ER adequado é crucial para verificar as hipóteses.
Geralmente, o investimento no controle da poluição foi escolhido como um substituto para as
taxas de poluição. No entanto, devido à falta de dados sobre investimentos no controle da
poluição nas cidades em nível de prefeitura de 2012 a 2015, a utilização de resíduos sólidos foi
escolhida como o substituto para ER neste artigo. Conforme mostrado na Tabela 2 do
Apêndice, os coeficientes e significâncias para as variáveis centrais foram basicamente
consistentes com os resultados anteriores; no entanto, houve algumas diferenças, como visto
nas colunas 6 e 10. O coeficiente GTI não foi significativo, teve um impacto positivo de EE e
influenciou o efeito de seu termo de interação com ER. Portanto, como pode ter havido um
erro de medição nas diferentes variáveis do agente, em alguns casos, ER pode não ser capaz de
ser totalmente descrito pela utilização de resíduos sólidos. De outra perspectiva, diferentes
efeitos são impulsionados por diferentes ERs, que são divididos em vários tipos. Como poderia
haver uma influência mútua entre a utilização de resíduos sólidos e o GTI, as mudanças nos
coeficientes de regressão parcial não eram irracionais. No geral, entretanto, a mudança da
variável central não alterou a trajetória de influência de ER e GTI em EE; portanto, os
resultados anteriores podem ser julgados como racionais. Quanto à endogeneidade, com base
nas diferenças nas variáveis na dimensão temporal e espacial, o modelo de efeito fixo espacial
e temporal foi aplicado para controlar erros de fatores não observáveis causados pelo fator
tempo e unidade (Chong, 2017; Lin e Liu, 2009 ) Em seguida, verificamos os problemas
endógenos causados pela interação para verificar a presença de causalidade reversa. A variável
dependente (EE) e as variáveis explicativas (GTI e ER) foram trocadas para avaliar a
endogeneidade causada pela causalidade reversa no Cinturão Econômico do Rio Yangtze (as 65
cidades inteiras) e cada aglomeração urbana. Os resultados empíricos (Tabela 3 do Apêndice e
Tabela 4 do Apêndice) mostraram que os efeitos do EE no GTI e ER não foram significativos
(exceto EE foi negativamente correlacionado com ER no YDUA), o que sugeriu que o viés de
simultaneidade era normal. Assim, sustentamos que, como um todo, os problemas endógenos
causados pela causalidade reversa não eram significativos. 5. Conclusões Neste artigo, um
método de entropia de informação difusa foi adotado para estimar os valores de EE em 57
cidades de 5 aglomerações no Cinturão Econômico do Rio Yangtze na China de 2008-2016. Em
seguida, uma matriz de ponderação espacial foi utilizada para gerar uma correlação espacial de
cada cidade com base na distância geográfica e explorar a autocorrelação espacial global por
meio do índice I de Moran. Finalmente, controlando a aglomeração industrial, os níveis de
urbanização, o investimento estrangeiro direto e a alfabetização cultural, um modelo de
Durbin dinâmico espacial foi estabelecido para analisar os impactos na EE regional de ER, GTI,
seu termo de interação e outros fatores de transbordamento. A classificação e a pesquisa em
uma amostra de cidade revelaram diferenças visíveis de tempo e espaço nas ecoeficiências
regionais. Para a dimensão do tempo, devido a convenções internacionais e transições de
liderança nacionais, um padrão notável foi identificado para cada um dos dois períodos: 2008–
2012 e 2013–2016. De 2008 a 2012, o consumo de recursos naturais e a poluição ambiental
causados pelo extenso crescimento econômico no Cinturão Econômico do Rio Yangtze
resultaram em graves danos ecológicos e um declínio óbvio em EE. No entanto, de 2013 a
2016, as mudanças impulsionadas por fatores internos e externos de desenvolvimento
extensivo a intensivo levaram a um aumento na EE regional na maioria das cidades. Do ponto
de vista da dimensão espacial, constatou-se que as cinco aglomerações tinham desempenhos
diferentes e havia diferenças internas significativas. No geral, as maiores ecoeficiências
ocorreram nas regiões orientais da China, seguidas pelas regiões central e ocidental, com
algumas cidades individuais (por exemplo, Zhuzhou e Changsha) enfrentando sérios problemas
ecológicos, especialmente em 2016. Em cada aglomeração urbana, as cidades centrais tendiam
a ter os melhores desempenhos e, por compartilharem recursos e consumo ambiental, as
cidades-satélites apresentavam valores de eficiência mais baixos.

O índice I de Moran indicou claramente uma aglomeração espacial em ER, GTI e EE; portanto,
foi empregado um modelo espacial dinâmico de Durbin, cujos principais resultados foram os
seguintes. (1) EE foi encontrado para ser negativamente correlacionado com o período
passado imediato na maioria dos casos porque o consumo de recursos e potencial
deterioração ambiental geralmente atrasam e podem aparecer gradualmente no próximo
período. O termo spillover espacial também foi negativo, o que indicava que as emissões não
desapareciam facilmente e podiam poluir a vizinhança. No entanto, houve uma exceção no
PLCC, pois um projeto de recuperação ecológica foi implementado e rendeu resultados
positivos de 2013–2016. (2) As relações entre ER, GTI e seu termo de interação com EE
mostraram heterogeneidade significativa. No YUDA, ER foi negativo enquanto GTI foi positivo,
os resultados de interação foram desfavoráveis e seus termos defasados espaciais sugeriram
um fenômeno de “corrida ao topo”. No PLCC, GTI foi positivo e ER mostrou uma curva
“Ushaped”, indicando que a interação parecia ter um efeito positivo no estágio anterior; no
entanto, devido ao benefício direto do IED, isso mudou para uma não correlação no período
posterior. No WCC, GTI foi negativo por causa de um “efeito rebote de energia”, ER mostrou
uma curva “em forma de U” inversa e permaneceu na fase ascendente, e houve um resultado
favorável do termo de interação. Para os termos defasados espaciais, o GTI foi negativo devido
a um efeito de aglomeração de recursos; no entanto, o termo de interação para ER e GTI
forneceu resultados promissores, que neutralizaram o efeito negativo do GTI, indicando um
fenômeno de “corrida ao topo”. No CCC, de 2008 a 2012, o GTI foi positivo, o ER teve uma
curva em "forma de U" e o termo de interação teve um efeito negativo no EE, o que também
influenciou a área vizinha, levando a uma "corrida para o fundo" fenômeno. O “efeito rebote
de energia” teve um impacto desfavorável do GTI devido à intensidade do ER local; no
entanto, o termo de interação indicou uma melhora de EE no período tardio. No CYUA, uma
relação de correlação semelhante com o CCC foi observada no período inicial. Quando o
“efeito rebote de energia” ocorreu no período tardio, o impacto de ER foi negativo, pois o
governo local fortaleceu suas políticas ambientais; entretanto, o termo de interação indicou
uma melhora no EE no período tardio. Em conclusão, as correlações entre GTI e ER com EE
apresentam heterogeneidade espacial e temporal entre e dentro das diferentes aglomerações
urbanas. Quando o GTI melhorou eficientemente o EE, a intensidade inadequada e excessiva
de ER enfraqueceu o benefício marginal do GTI. Quando o “efeito rebote de energia” ocorreu,
o que tem um impacto negativo na EE, um ER moderado foi encontrado para reduzir a
influência prejudicial do GTI e promover um benefício marginal no termo de interação.
Verificou-se que o fenômeno da “corrida para o topo” era mais provável de ocorrer nas
aglomerações urbanas do leste e centro-leste, enquanto uma “corrida para o fundo” foi
observada nos aglomerados de cidades do oeste e centro-oeste. 6. Implicação de política Com
base nessas conclusões, algumas implicações de política relevantes são extraídas: (1) No YDUA,
os REs devem ser enfraquecidos em vez de reforçados para maximizar o mecanismo de
regulação automática do mercado. Por ser uma área de demonstração de desenvolvimento
econômico, o governo local de Xangai deve explorar projetos inovadores em sistemas de
incentivos de mercado que forneçam benefícios econômicos e ecológicos. O investimento em
pesquisa e desenvolvimento inovadores com foco na proteção ambiental verde deve ser
aumentado para dar pleno uso aos benefícios marginais do GTI. Como o termo de interação foi
negativo, políticas e regulamentações adicionais devem ser implementadas com base nas
condições locais da cidade. O ajuste e a otimização das aglomerações industriais precisam ser
totalmente realizados para se obter economias de escala e obter vantagens comparativas
regionais. Por causa do efeito “corrida ao topo”, um governo local deve continuar a buscar a
cooperação regional para desenvolver um círculo virtuoso para a economia da região. (2) Por
ter a maior contribuição de IED e depender de tecnologias verdes estrangeiras, o PLCC precisa
implementar sistemas de produção limpa e tratamento terminal para melhorar a EE. O
governo local deve tirar proveito do IDE e fazer uso total do benefício marginal. No entanto, ao
mesmo tempo, a inovação tecnológica deve ser incentivada pelo governo local e pelas
empresas para se proteger contra os riscos do capital estrangeiro. ERs flexíveis são necessários
com base nas condições locais, e o governo local deve capitalizar suas vantagens geográficas e
aprender com as aglomerações urbanas da costa leste.

(3) Para desenvolver ainda mais sua EE, o governo local no WCC precisa considerar não apenas
a conservação de energia alcançada por meio da mudança tecnológica, mas também o efeito
de recuperação de energia para evitar superestimar a conservação de energia alcançada pelo
progresso tecnológico. Portanto, os ERs devem ser baseados no GTI e os regulamentos devem
ser reforçados quando ocorre um efeito de recuperação de energia e enfraquecidos se houver
um benefício marginal para melhor promover a conservação ecológica. Por causa do
fenômeno da “corrida ao topo”, a cooperação entre o governo local e as empresas deve ser
fortalecida. Como a indústria tem um efeito negativo sobre a EE local, as indústrias tradicionais
devem ser encorajadas a investir em novas tecnologias limpas eficientes. A qualidade da
urbanização precisa ser mantida enquanto se melhora a taxa de urbanização, e o capital
estrangeiro pode ser buscado para promover a produção limpa. (4) No CCC, o impacto do GTI
mudou de favorável para negativo, uma vez que o crescimento marginal original foi
compensado pelo efeito rebote de energia. No entanto, por causa do sistema regulatório, a EE
foi capaz de manter um crescimento estável, o que indica que é necessário ter políticas
ambientais flexíveis que possam se adaptar às mudanças técnicas. Por causa do fenômeno da
“corrida para o fundo”, todas as cidades da aglomeração devem ser incentivadas a adotar os
mesmos padrões de ER. Alternativamente, o governo central poderia destacar a qualidade
ambiental e a proteção ambiental civil. O CCC também precisa avaliar e ajustar sua
aglomeração industrial, desacelerar a urbanização local, introduzir seletivamente empresas
limpas financiadas por estrangeiros e aumentar a consciência de proteção ambiental dos
cidadãos locais. (5) Um efeito de recuperação de energia também ocorreu no período tardio
no CYUA, o que indicou que para aproveitar totalmente o poder da regulamentação
governamental e dos mecanismos de mercado, padrões de regulamentação razoáveis são
necessários como prioridade. A qualidade da urbanização precisa ser melhorada e os cidadãos
precisam ter uma maior consciência de proteção ambiental. O governo central precisa garantir
que a corrupção seja rapidamente identificada e punida, e as atividades do governo devem se
tornar mais transparentes por meio do uso de novas mídias para evitar a corrupção
empresarial ou governamental. 7. Limitações e pesquisas futuras Foi difícil adquirir parte dos
dados do índice de avaliação, como Volume de Emissão de Pó Industrial, devido à mudança de
calibre estatístico e à falta de dados em alguma área. Um método de interpolação foi usado
para preencher a deficiência, levando inevitavelmente a alguma base nos resultados da
avaliação final. Governos e acadêmicos precisam trabalhar juntos para padronizar o calibre
estatístico dos dados e para melhorar e revisar futuras avaliações de EE. O mesmo item de
dados coletado em diferentes regiões ou anos pode incorrer no problema de escalas ou metas
inconsistentes. Tomando o calibre das emissões de gases de escape como exemplo, pode
conter dióxido de enxofre nos primeiros 3 anos, mas não nos últimos 3 anos, ou o dióxido de
enxofre está incluído nas estatísticas de Xangai, mas não nas estatísticas de Chengdu. Essa
discrepância exige a padronização do calibre estatístico dos dados. Além disso, relatos sobre
“efeitos rebote de energia” são escassos na literatura. Mais pesquisas examinando esses
efeitos são desejáveis. De uma perspectiva teórica, o GTI pode melhorar significativamente o
ambiente ecológico local. No entanto, de uma perspectiva prática, o GTI aumenta a taxa de
utilização de recursos, promove a produção limpa, melhora a produtividade do trabalho e
estimula o crescimento econômico, leva ao aumento da demanda de energia e da emissão de
poluentes de produção e resulta em um impacto negativo sobre os recursos e o meio
ambiente. Portanto, o “efeito rebote de energia” impulsionado pelo progresso do GTI precisa
ser mais demonstrado em um nível regional mais amplo ou em distritos menores, em termos
de até que ponto e como isso afeta o consumo de energia e as emissões de poluição.