Mục đích của nghiên cứu này là phân tích tác động của tăng trưởng kinh tế, tiêu thụ điện và tỉ lệ đô thị hóa đến dấu chân sinh thái ở các nước ASEAN trong giai đoạn 1981-2016. Nghiên cứu ứng dụng ba mô hình ước lượng cho dữ liệu bảng gồm: Mean Group (MG), Pooled Mean Group (PMG) và Dynamic Fixed Effects (DFE). Kết quả kiểm định lựa chọn mô hình cho thấy mô hình PMG là phù hợp nhất. Theo đó, tăng trưởng kinh tế và tỉ lệ đô thị hóa có tác động tích cực đến dấu chân sinh thái cả trong ngắn hạn và dài hạn. Tuy nhiên, kết quả thực nghiệm cũng chỉ ra tiêu thụ điện không tác động đến dấu chân sinh thái trong ngắn hạn, nhưng có tác động tiêu cực trong dài hạn. Hàm ý quan trọng được rút ra từ kết quả của nghiên cứu là các nhà hoạch định chính sách cần đánh giá toàn diện các tác động của những chính sách thúc đẩy tăng trưởng kinh tế đối với môi trường tự nhiên, nhằm đạt được mục tiêu phát triển bền vững.

Download

Nhu cầu phát triển du lịch bền vững dẫn đến sự quan tâm về hành vi trách nhiệm với môi trường (Environmentally Responsible Behaviour – ERB) của du khách cũng như việc thực hiện trách nhiệm xã hội của điểm đến (Destination Social Responsibility – DSR). Nghiên cứu tiến hành nhằm đánh giá ảnh hưởng nhận thức của du khách về trách nhiệm xã hội của điểm đến lên hành vi trách nhiệm với môi trường của du khách thông qua hình ảnh nhận thức và sự nhận dạng du khách với điểm đến. Nghiên cứu tiến hành khảo sát 393 du khách du lịch tại TP. Đà Nẵng. Mô hình nghiên cứu được kiểm định thông qua phân tích mô hình cấu trúc tuyến tính. Kết quả chỉ ra rằng, có mối quan hệ trực tiếp từ nhận thức trách nhiệm xã hội của điểm đến lên hình ảnh nhận thức và sự nhận dạng điểm đến, đồng thời, hành vi trách nhiệm với môi trường của du khách bị tác động bởi sự nhận dạng với điểm đến và hình ảnh nhận thức. Ngoài ra, kiểm định mối quan hệ trung gian chỉ ra rằng mối quan hệ giữa trách nhiệm xã hội của điểm đến và hành vi trách nhiệm với môi trường bị ảnh hưởng gián tiếp từ hình ảnh nhận thức và sự nhận dạng điểm đến.

Download

Bài báo sử dụng khảo sát lựa chọn rời rạc (DCE) và mô hình logit hỗn hợp để định giá chương trình chống xói mòn bờ biển ở Hội An - thành phố di sản đang bị ảnh hưởng nghiêm trọng bởi xói mòn. Chúng tôi thiết kế và xây dựng bộ cơ sở dữ liệu mới cho đối tượng nghiên cứu là hộ gia đình ở địa phương và nhận thức của họ đối với rủi ro về xói mòn bờ biển. Kết quả nghiên cứu chỉ ra rằng người dân tại Hội An ủng hộ việc xây dựng các cấu trúc bảo vệ dọc bờ biển, mong muốn được đến một bãi biển rộng, nhiều tiện ích và mở miễn phí cho mọi người. Từ kết quả về mức độ ưa thích và sẵn sàng chi trả (WTP) của người dân đối với chương trình chống xói mòn, bài báo đưa ra đề xuất về xây dựng chính sách chống xói mòn hiệu quả và bền vững với nguồn đóng góp từ người dân địa phương. Theo hiểu biết của chúng tôi, đây là nghiên cứu đầu tiên về định lượng chính sách kinh tế chống xói mòn bờ biển ở Việt Nam sử dụng tính toán WTP bằng phương pháp DCE.

Download

Thị trường carbon là công cụ chính sách chủ yếu giúp Việt Nam đạt được cam kết giảm phát thải khí nhà kính theo Đóng góp do Quốc gia tự quyết định (NDC) và mục tiêu trung hòa carbon vào năm 2050. Tuy nhiên, các văn bản pháp lý và quản lý nhà nước về thị trường carbon chỉ đề cập đến cơ cấu thị trường carbon chung, chưa xác định được hướng tiếp cận đặt nền tảng xây dựng một thị trường hiệu quả và bền vững. Nghiên cứu này đề xuất chủ quyền carbon là hướng tiếp cận chủ đạo để xây dựng thị trường carbon nhằm tối ưu hóa cơ hội kinh tế từ các giao dịch carbon, bảo vệ lợi ích quốc gia trong các đàm phán quốc tế, và góp phần thực hiện các mục tiêu phát triển bền vững trong dài hạn. Nghiên cứu khảo lược nền tảng lý thuyết chủ quyền carbon và thảo luận các định hướng ứng dụng tại Việt Nam. Các nền tảng chính của tiếp cận chủ quyền carbon là thị trường hạn ngạch carbon bắt buộc, thị trường tín chỉ carbon tự nguyện có kiểm soát, số hóa hệ thống đăng ký MRV quốc gia và số hóa tín chỉ carbon.

Các yếu tố Môi trường, Xã hội, và Quản trị trở nên quan trọng trong việc đánh giá hiệu suất và rủi ro của doanh nghiệp. Nghiên cứu này khám phá ứng dụng các mô hình học máy khả diễn XAI nhằm cải thiện khả năng diễn giải, tăng độ tin cậy trong phân tích rủi ro ESG. Thực nghiệm dữ liệu ESG của các doanh nghiệp S&P 500, cho thấy mô hình LightGBM có độ chính xác cao nhất với MAE (0.9233), MSE (1.7696), RMSE (1.3303), MAPE (4.21%), so với XGBoost và Random Forest. Phân tích giá trị SHAP chỉ ra rằng rủi ro ESG bị chi phối chủ yếu bởi ba yếu tố chính: rủi ro môi trường (Environment_Risk_Score - 3.34), rủi ro xã hội (Social_Risk_Score - 2.36) và rủi ro quản trị (Governance_Risk_Score - 1.39). Ngoài ra, mức độ rủi ro ESG tổng thể của doanh nghiệp (ESG_Risk_Level_Low - 1.04, ESG_Risk_Level_High - 0.39) cũng đóng vai trò quan trọng. Kết quả nghiên cứu làm nổi bật tiềm năng của các mô hình XAI trong việc tăng cường báo cáo và tuân thủ ESG, đồng thời cung cấp thông tin chi tiết cho các nhà đầu tư và nhà hoạch định chính sách. Hơn nữa, nghiên cứu này minh chứng cho việc tích hợp ML/AI khả diễn vào qui trình quản lý rủi ro của tổ chức, thúc đẩy tính minh bạch, trách nhiệm giải trình, và sự tin tưởng vào các đánh giá ESG.

Download