Threshold Effects of New Energy Consumption Transformation on Economic Growth
Notice bibliographique
Résumé
This study uses data from seven countries with high energy consumption levels in 1997–2016 (i.e., the US, China, Japan, Canada, South Korea, Germany, and France) to establish a panel threshold model and analyze the multiple threshold effects of new energy consumption transformation on economic growth. Research results show the non-linear impact of new energy consumption transformation on economic growth. On the one hand, the transformation of new energy consumption will occasionally bring economic costs, thereby resulting in a negative impact on economic growth. On the other hand, economic cost occasionally disappears, thereby resulting in the positive impact of the transformation of new energy consumption on economic growth. This study proposes that economic cost is affected by the levels of research and development (R&D), economic development, and traditional energy dependence, therefore, we use these three variables as threshold variables. Threshold variable is essential in a panel threshold model. The behavioral varies of model can be predicted when threshold variable is at different ranges of levels. In other words, the behavior of panel threshold model may change as the level of threshold variable changes. In particular, when the R&D level is used as a threshold variable, the impact of new energy consumption transformation on economic growth will change from negative to positive as the level of R&D increases. We present a similar conclusion when the level of economic development is used as a threshold variable. However, when the level of traditional energy dependence is used as the threshold variable, the impact of new energy consumption transformation on economic growth will change from positive to negative as the level of traditional energy dependence increases.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».