MétaCan
Menu
Retour à la cohorte
Enregistrement W2403802104 · doi:10.17722/ijme.v6i1.821

CO2 Emission, Energy Consumption and Economic Development in Malaysia

2015· article· en· W2403802104 sur OpenAlexvenueno aff
Hamizah bt Muhyidin, Md. Khaled Saifullah, Yap Su Fei

Notice bibliographique

RevueInternational Journal of Management Excellence · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCointegrationGranger causalityEconomicsEnergy consumptionProduction (economics)Consumption (sociology)Time seriesCausality (physics)Short runEconometricsRenewable energyMacroeconomicsNatural resource economicsEngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Environmental awareness and its relation to the development of economy have garnered increased attention in recent years. This study analyzes the long-run relationship between environment degradation, economic growth, total energy consumption and industrial production index growth in Malaysia from year 1970 to 2012. The time series data are estimated using Johansen and Julies Cointegration test and VECM Granger causality test. The empirical analysis suggests a long-run cointegration relationship between all series. Granger causality analysis indicates strong evidence of uni-directional Granger causality running from economic growth and industrial production index growth to total energy consumption in the long-run. Also, the result shows evidence of a bi-directional Granger causality between total energy consumption and CO2 emission. This situation suggests that a pollution abatement policies and higher investment to control for CO2 emission will not jeopardize the economic sustainability and industry output in the long run. This study suggests that previous policies should be complimented with increasing the efficiency of energy use by employing a fuel balancing strategies and promoting the use of renewable energy resources like bio-fuel, solar energy and wind.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,567

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,223
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Management ExcellenceMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207