財政能力とサブサハラアフリカにおける気候資金の効果

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:A novel dataset and robust empirical strategy to study climate finance effectiveness, useful for replication and extension to other regions.

🏢実務担当者:Development banks and climate funds can use these findings to target fiscal capacity building alongside financial disbursements.

🏛政策担当者:Donor countries and recipient governments should prioritize strengthening fiscal governance to maximize climate finance outcomes.

補足資料の説明 サハラ以南アフリカにおける財政能力と気候資金の有効性 1. データセット 補足データファイル（climate_finance_v3_data_2002_2023.xlsx）には、2002年から2023年までの期間を対象としたサハラ以南アフリカ40カ国のパネルデータが含まれています。このデータセットには、33の変数にわたる880の国・年観測値が含まれており、原稿で報告されているすべての分析の再現用に構成されています。 1.1 変数のカテゴリー 変数は以下のカテゴリーに分類されています： | カテゴリー | 変数 | 出所 | | --- | --- | --- | | アウトカム変数 | SDGインデックス、HDI、レジリエンス・インデックス、エネルギー転換インデックス、適応能力インデックス | Sachs et al. (2024); UNDP (2024); 著者構築 | | 気候資金 | 気候資金総額、適応資金、緩和資金（すべてGDP比） | OECD CRS; Climate Funds Update | | 財政ガバナンス能力 | 財政ガバナンス能力インデックス（税収、政府の有効性、財政空間、公共投資の強度の合成指標） | IMF GFS; World Bank WGI; WDI | | コントロール変数 | 一人当たりGDP、人口、貿易開放度、都市化、インフレーション、対GDP債務比率 | World Bank WDI; IMF WEO | | 交互作用項 | 気候資金×財政ガバナンス能力、適応×能力、緩和×能力 | 著者構築 | | ショック変数 | 気候ショックへの曝露、気候脆弱性、資源依存度、脆弱国家指標 | 著者構築; World Bank | 1.2 データセットの主な特徴 • レジリエンス・インデックス（バージョン3）は、循環性を避けるために財政ガバナンス能力インデックスを除外しています。これは、電力アクセス（35%）、再生可能エネルギー（25%）、平均余命（25%）、および総固定資本形成（15%）から構築され、0から100の尺度に正規化されています。 • 財政ガバナンス能力インデックスは、4つの標準化された構成要素（税収/GDP、政府の有効性、財政空間、GFCF/GDP）の合成指標であり、等ウェイトで平均化され、0から100に正規化されています。 • 気候資金は、受取国のGDPに対する割合として表されたコミットメント（支出額ではなく）として測定され、OECD CRSおよびClimate Funds Updateのデータから調和化されています。 • すべての金額変数は2015年基準の米ドル建てです。インフレーションはln(1 + インフレーション)として対数変換されています。 • GFCFおよび公共投資の欠損値は、国別平均、必要に応じてその後の世界平均を用いて補完されています。 1.3 対象範囲 国：ナイジェリア、南アフリカ、ケニア、ガーナ、エチオピアを含むすべての主要経済国と、レソト、エスワティニ、エリトリアなどの小国を含むサハラ以南アフリカ40カ国。年次範囲：2002年から2023年。紛争の影響を受けた国および小国におけるデータ入手可能性の制約により、パネルは不均衡です。 2. 再現コードブック 再現コードブック（replication_codebook_v3.pdf）には、原稿内のすべての分析を再現するための完全なPythonコードが提供されています。コードブックは、論文内の表と図に対応する順次のセクションに構成されています。 2.1 コードブックの構成 | セクション | 内容 | 出力 | | --- | --- | --- | | 1. セットアップ | データ読み込み、ライブラリのインポート | 読み込まれたデータセット | | 2. インデックス構築 | 財政ガバナンス能力インデックスの構築（zスコア、等ウェイト、正規化） | 表1の記述統計 | | 3. アウトカム変数 | レジリエンス・インデックス、エネルギー転換インデックス、気候ショックへの曝露 | 代替従属変数 | | 4. 交互作用とラグ | 中核的交互作用項、時間的ラグ、空間ラグ操作変数 | すべてのモデルの変数 | | 5. 主分析 | プールドOLS、個体固定効果、二方向固定効果、IV/2SLS | 表2および表3 | | 6. メカニズム | 公共投資、電力アクセス、人的資本を中間アウトカムとして | 表5（最初の3列） | | 7. 代替アウトカム | レジリエンス・インデックスおよびエネルギー転換インデックスの回帰 | 表5（最後の2列） | | 8. 頑健性 | ウィンザライズ、サブサンプル（2010年以降、2015年以降、南アフリカを除く）、非脆弱国 | 表7 | 2.2 ソフトウェア要件 再現コードには、Python 3.8以降と、pandas、numpy、statsmodels、linearmodels、scipyの各パッケージが必要です。すべてのパッケージはオープンソースであり、pipまたはcondaを介して無料で入手できます。 2.3 再現方法 • データファイル（climate_finance_v3_data_2002_2023.xlsx）を作業ディレクトリに配置します。 • コードのセクションを順番に実行します。各セクションは、以前のセクションで作成された変数に基づいて構築されます。 • 主要な結果は、係数推定値、標準誤差、および有意水準とともにコンソールに出力されます。 • コードブックの最後にある期待される結果の要約表は、検証のためのベンチマーク値を提供します。 2.4 IV推定に関する注記 IV/2SLSの特定化では、気候資金をその最初の時間的ラグと空間ラグ（当該国を除く地域平均気候資金）で操作変数としています。第一段階のF統計量370.03は、10%の最大IVサイズに対するStock-Yogo臨界値を上回っています。このコードは、交互作用項を操作変数とする場合にパッケージ化されたIVルーチンで発生し得る多重共線性の問題を回避するために、手動2SLSを実装しています。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Supplementary Materials Description Fiscal Capacity and Climate Finance Effectiveness in Sub-Saharan Africa 1. Dataset The supplementary data file (climate_finance_v3_data_2002_2023.xlsx) contains panel data for 40 Sub-Saharan African countries covering the period 2002 to 2023. The dataset includes 880 country-year observations across 33 variables, structured for replication of all analyses reported in the manuscript. 1.1 Variable Categories The variables are organised into the following categories: Category Variables Source Outcome variables SDG Index, HDI, Resilience Index, Energy Transition Index, Adaptive Capacity Index Sachs et al. (2024); UNDP (2024); author-constructed Climate finance Total climate finance, adaptation finance, mitigation finance (all as % of GDP) OECD CRS; Climate Funds Update Fiscal-governance capacity Fiscal-Governance Capacity Index (composite of tax revenue, government effectiveness, fiscal space, public investment intensity) IMF GFS; World Bank WGI; WDI Controls GDP per capita, population, trade openness, urbanisation, inflation, debt-to-GDP World Bank WDI; IMF WEO Interaction terms Climate finance x fiscal-governance capacity, adaptation x capacity, mitigation x capacity Author-constructed Shock variables Climate shock exposure, climate vulnerability, resource dependence, fragile state indicator Author-constructed; World Bank 1.2 Key Features of the Dataset •   The Resilience Index (Version 3) excludes the fiscal-governance capacity index to avoid circularity. It is constructed from electricity access (35%), renewable energy (25%), life expectancy (25%), and gross fixed capital formation (15%), normalised to a 0 to 100 scale. •   The Fiscal-Governance Capacity Index is a composite of four standardised components (tax revenue/GDP, government effectiveness, fiscal space, GFCF/GDP), averaged with equal weights and normalised to 0 to 100. •   Climate finance is measured as commitments (not disbursements) expressed as a percentage of recipient GDP, harmonised from OECD CRS and Climate Funds Update data. •   All monetary variables are in constant 2015 USD. Inflation is log-transformed as ln(1 + inflation). •   Missing values in GFCF and public investment are imputed using country-means followed by global means where necessary. 1.3 Coverage Countries: 40 Sub-Saharan African nations including all major economies (Nigeria, South Africa, Kenya, Ghana, Ethiopia) and smaller states (Lesotho, Eswatini, Eritrea). Year range: 2002 to 2023. Panel is unbalanced due to data availability constraints in conflict-affected and small states. 2. Replication Codebook The replication codebook (replication_codebook_v3.pdf) provides complete Python code to reproduce all analyses in the manuscript. The codebook is organised into sequential sections corresponding to the tables and figures in the paper. 2.1 Structure of the Codebook Section Content Output 1. Setup Data loading, library imports Loaded dataset 2. Index construction Fiscal-governance capacity index construction (z-scores, equal weights, normalisation) Table 1 descriptive statistics 3. Outcome variables Resilience index, energy transition index, climate shock exposure Alternative dependent variables 4. Interactions and lags Core interaction terms, temporal lags, spatial lag instrument Variables for all models 5. Main analysis Pooled OLS, entity fixed effects, two-way fixed effects, IV/2SLS Tables 2 and 3 6. Mechanisms Public investment, electricity access, human capital as intermediate outcomes Table 5 (first three columns) 7. Alternative outcomes Resilience index and energy transition index regressions Table 5 (last two columns) 8. Robustness Winsorised, subsample (post-2010, post-2015, excluding South Africa), non-fragile Table 7 2.2 Software Requirements The replication code requires Python 3.8 or later with the following packages: pandas, numpy, statsmodels, linearmodels, and scipy. All packages are open-source and freely available via pip or conda. 2.3 How to Replicate •   Place the data file (climate_finance_v3_data_2002_2023.xlsx) in the working directory. •   Run the code sections sequentially; each section builds on variables created in prior sections. •   Key results are printed to the console with coefficient estimates, standard errors, and significance levels. •   The expected results summary table at the end of the codebook provides benchmark values for verification. 2.4 Notes on the IV Estimation The IV/2SLS specification instruments climate finance with its first temporal lag and a spatial lag (regional average climate finance excluding the country itself). The first-stage F-statistic of 370.03 exceeds the Stock-Yogo critical value for 10% maximal IV size. The code implements manual 2SLS to avoid collinearity issues that can arise with packaged IV routines when instrumenting interaction terms.

• Zenodo https://zenodo.org/records/20408388first seen 2026-05-28 04:15:45 · last seen 2026-05-30 04:26:45