MétaCan
Menu
Retour à la cohorte
Enregistrement W2743293563 · doi:10.17159/2413-3051/2014/v25i3a2657

The impacts of energy prices and technological innovation on the fossil fuel-related electricity-growth nexus: An assessment of four net energy exporting countries

2014· article· en· W2743293563 sur OpenAlexaboutno aff
Fei Qin, Rajah Rasiah, JiaShen Leow

Notice bibliographique

RevueJournal of Energy in Southern Africa · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)ElectricityEconomicsFossil fuelGranger causalityNatural resource economicsConsumption (sociology)Energy consumptionShort runTechnological changeEconomyMacroeconomicsEconometricsEngineering

Résumé

récupéré en direct d'OpenAlex

This study uses annual data from 1974 to 2011 to examine the long-run and short-run relationships between fossil fuel powered electricity consumption, economic growth, energy prices and technological innovation for four net energy exporting countries. Canada, Ecuador, Norway and South Africa are chosen as the main research background in order to investigate how the development degree and economic dependence on energy exports affect the electricity-growth nexus. Based on the results drawing from the ARDL approach and the Granger causality test, economic growth positively influences the variation in fossil fuel powered electricity consumption in both the short-run and long-run for all four countries. The reverse causality from electricity consumption to economic growth is only evident in Ecuador and Norway. The degree of dependence on energy exports is a contributory factor of explaining the causality puzzle of the electricity-growth nexus. Given the fact that technological innovation does not benefit fossil fuel powered electricity generation, this paper suggests these net energy exporting countries to replace fossil fuel with more sustainable and effective sources in the electricity generation process.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,652

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,019
Tête enseignante GPT0,222
Écart entre enseignants0,203 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy in Southern AfricaMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207