MétaCan
Menu
Retour à la cohorte
Enregistrement W2748572644 · doi:10.1080/00036846.2017.1366640

How strong is the causal relationship between globalization and energy consumption in developed economies? A country-specific time-series and panel analysis

2017· article· en· W2748572644 sur OpenAlexaff
Muhammad Shahbaz, Syed Jawad Hussain Shahzad, Mantu Kumar Mahalik, Perry Sadorsky

Notice bibliographique

RevueApplied Economics · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésGlobalizationEconomicsCointegrationEnergy consumptionUnit rootConsumption (sociology)Panel dataMacroeconomicsEconometricsUnit root testCausality (physics)Granger causalityTime seriesEstimatorEconomyStatisticsMarket economy

Résumé

récupéré en direct d'OpenAlex

We examine the causal relationship between globalization, economic growth and energy consumption for 25 developed economies using both time series and panel data techniques for the period 1970–2014. Due to the presence of cross-sectional dependence in the panel (countries from Asia, North America, Western Europe and Oceania), we employ the cross-sectional augmented IPS test to ascertain unit root properties. The cointegration test results indicate the presence of a long-run association between globalization, economic growth and energy consumption. Long-run heterogeneous panel elasticities are estimated through the common correlated effects mean group estimator and the augmented mean group estimator. The empirical results reveal that, for most countries, globalization increases energy consumption. In the USA and UK, globalization is negatively correlated with energy consumption. The causality analysis indicates the presence of the globalization-driven energy consumption hypothesis. This empirical analysis suggests insightful policy guidelines for policy makers using globalization as an economic tool to utilize energy efficiently for sustainable economic development in the long run.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,052
Tête enseignante GPT0,214
Écart entre enseignants0,162 · 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 source (Gemma direct ou Codex distillé), 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

Citations186
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied EconomicsMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207