Analysis of Energy Economy to drive Ukraine's economic growth

Abstract

Tato práce vyšetřuje vztah mezi spotřebou energie a ekonomickým růstem patnácti postsovětských republik s primárním zaměřením na Ukrajinu v období let 1991 - 2013. Testy panelových jednotkových kořenů jsou nejprve aplikovaný v časových řadách energetické spotřeby a hrubého domácího produktu (GDP) pro jednotlivé země bývalého Sovětského svazu. Poté jsou použity testy kointegrace pro identifikace vztahů mezi jednotlivými proměnnými. Empirická strategie analýzy panelových dat je založena na specifikaci neoklasického růstového modelu, který obsahuje gross capital formation a celkovou zaměstnanost jednotlivé země jako dodatečné vysvětlující proměnné pro ekonomický růst spolu s energetickou neefektivností v procentech (%), využití fosilních paliv, liberalizaci energetického sektoru a několik dalších proměnných. Datová sada je analyzována pomocí metody nejmenších čtverců (Pooled OLS), metody fixních efektů a metody náhodného modelu efektů, s čímž metoda fixních efektů je identifikována jako optimální estimátor. Výsledek analýzy ukazuje že existuje pozitivní obousměrný příčinný vztah mezi ekonomickým růstem a energetickou spotřebou Ukrajiny ("Hypotéza zpětné vazby"). Navíc výsledek analýzy panelových dat naznačuje, že snižování energetické neefektivnosti zvyšuje vlastní produkci energie (včetně obnovitelné energie)...

This thesis investigates the relationship between energy consumption and economic growth in 15 post- Soviet states with a primary focus on Ukraine over the time period 1991-2013. First, panel unit root tests are applied to the time series for energy use and GDP for each post-Soviet country, then cointegration tests are run to identify the relationship between the variables. The empirical strategy of the panel data analysis is based on a neoclassical growth model specification, which includes the gross capital formation and total labor force of each country as additional explanatory variables for economic growth, along with energy inefficiency, % fossil fuel use, liberalization of the energy sector, and several other variables. The dataset is analyzed using Pooled OLS, Fixed Effects and Random Effects models, with Fixed Effects being identified as the optimal estimator. The results of the analysis show that there is a positive, bidirectional causality relationship between economic growth and energy consumption for Ukraine (the "Feedback Hypothesis"). In addition, the results of the panel data analysis suggest that reducing energy inefficiency, increasing "own production" of energy (including renewable energy), and liberalizing the energy sector of Ukraine could all be valuable strategies for increasing the...