Vários estudos têm examinado a relação entre economia e meio ambiente. A maioria tem produzido resultados diferentes, consoante o tipo de amostragem, a amplitude do intervalo de tempo considerado, o tipo de variáveis consideradas e a metodologia aplicada (Al-Mulali et al., 2013; Ozcan, 2013; Soytas e Sari, 2009; Apergis e Payne, 2009; Ang, 2007; Soytas et al., 2007). Dentre as metodologias disponíveis para investigar essas relações, a abordagem ARDL, embora tenha sido introduzida por Pesaran e Shin (1999) e alargada por Pesaran et al. (2001) dois anos depois, apenas recentemente passou a ser empregue com maior intensidade impulsionada pela necessidade de dar resposta às deficiencias das outras metodologias usadas e citadas pela literatura (Saboori e Sulaiman, 2013; Ghosh, 2010).
Além das vantagens já mencionadas os modelos ARDL são robustos na presença de choques ou alterações de circunstâncias relacionadas com as políticas e permitem chegar a conclusões relativas à cointegração das variáveis (Fuinhas e Marques, 2012). Como por exemplo, Sari e Soytas (2009), que num estudo recente levado a cabo com base em cinco economias da OPEP, examinaram com a abordagem ARDL a possibilidade das emissões de poluentes conduzirem ao aquecimento global no período compreendido entre 1971-2002 tendo os resultados fornecido evidência empírica de cointegração apenas para um país; o estudo recomenda ainda aos demais países analisados que não sacrifiquem o crescimento económico apenas em função da redução das emissões de dióxido de carbono.
Em outro estudo, também com uma estrutura ARDL, Halicioglu (2009) provou a existência de uma relação de causalidade bidirecional de curto e longo prazo entre as emissões de dióxido de carbono e o rendimento para a Turquia. Por sua vez, Saboori e Sulaiman (2013), usando séries temporais e também modelação ARDL, estudaram o relacionamento das economias asiáticas do sudeste e identificaram relações de cointegração para todos os países do painel, elasticidades do consumo de energia no longo prazo mais altas do que as de curto prazo em relação às emissões de carbono, e causalidade à Granger bidirecional entre as duas variáveis em estudo. Também Jalil e Mahmud (2009), recorrendo ainda aos mesmos modelos ARDL e a séries temporais, analisaram a ligação entre poluição ambiental, rendimento e produção/output na China, tendo concluido que o rendimento é a principal causa determinante das emissões de poluentes, logo seguida pelo consumo de energia no longo prazo e que havia causalidade unidirecional no sentido crescimento económico para as emissões de CO2.
De referir que entre os estudos descritos anteriormente e que examinam a relação entre a economia e o meio ambiente, independentemente da metodologia utilizada, a maioria dos
autores que trabalham com dados de painel utilizam testes de raiz unitária de primeira geração e os testes de cointegração (Ozcan, 2013). Entre os testes mais usuais, estão os testes de raiz unitária desenvolvidos por Levin et al. (2002), por Im et al., (2003), por Breitung (2000), e por Pedroni (1999, 2004). Este último, devido a Pedroni (2004), verifica a hipótese de não cointegração baseados em estatísticas especiais designadamente, Painel V, Painel ρ, painel PP (Phillips-Perron), e Painel ADF – Augmented Dickey-Fuller (Apergis e Payne, 2009).
Estas estatísticas levam em conta fatores como o tempo e a heterogeneidade entre os países e os coeficientes autorregressivos dos diferentes países para realizarem os testes de raiz unitária aplicados aos resíduos obtidos a partir dos modelos estimados. Os testes de grupo baseiam-se na aproximação entre a dimensão incluindo as estatísticas do grupo ρ, do grupo PP, e do grupo ADF (Apergis e Payne, 2010), por exemplo, as médias dos coeficientes autorregressivos individuais associados aos testes de raizes unitárias dos resíduos para cada país do painel. No entanto, como esses sete testes têm como pressuposto a hipótese nula de independência transversal no termo de erro, essa condição é passível de ser violada (Jaunky, 2011). No sentido de conseguir fornecer evidência robusta a favor da cointegração, empregou-se o teste de cointegração de Westerlund (Westerlund, 2007) com Bootstrapping, um teste que permite controlar essa questão da dependência transversal. Há quatro estudos que utilizam o teste de cointegração de Westerlund para dados de painel que são os de Ozcan (2013), Arouri et al., (2012), Hamit-Haggar (2012) e Jaunky (2011).
Embora seja complexo estudar as relações entre causalidade e cointegração, a sua realização pode ajudar a confirmar se existe ou não causalidade a partir da relação entre as variáveis (Engle e Granger, 1987). Contudo, entre os resultados dos estudos publicados sobre o relacionamento consumo de energia, PIB e poluição ambiental não tem sido possível gerar consenso, como é bem demonstrado por Al-Mulali et al. (2013) e por Apergis e Payne (2009) para a América Latina e por Saboori e Sulaiman (2013), por Ozcan (2013), por Halicioglu (2009) e por Sari e Soytas (2009) para outras regiões do mundo. Pelos motivos aduzidos, considera-se ser adequado adotar a abordagem ARDL com mecanismo de correção do erro não restrito (UECM) para investigar as relações entre o consumo de energia, crescimento económico e emissões de dióxido de carbono para o painel de países da América do Sul selecionado.
Nesse sentido, e de acordo com a metodologia utilizada por Fuinhas et al. (2015), ao invés de utilizar apenas os testes de primeira geração na presença de dependência seccional (CSD), realizam-se quer os testes de raiz unitária de primeira quer os de segunda geração, como forma de identificar possíveis ruídos que possam afetar a leitura dos resultados das estimações; depois usa-se o modelo ARDL independentemente de as variáveis serem I(0), I(1), ou mesmo cointegradas; e seguindo Mehrara (2007), utiliza-se o mecanismo de correção de
erro (error correction mechanism, ECM) para confirmar a causalidade entre as variáveis de forma robusta, cuja interpretação e significância equivale à causalidade de Granger.