MétaCan
Menu
Retour à la cohorte
Enregistrement W3111646342 · doi:10.31219/osf.io/yz7k6

An empirical study on income and energy consumption in Bangladesh

2020· preprint· en· W3111646342 sur OpenAlexaff
Gazi Salah Uddin, Md. Wahid Murad, Md. Mahmudul Alam

Notice bibliographique

RevueOSF Preprints (OSF Preprints) · 2020
Typepreprint
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésEconomicsCointegrationEnergy consumptionEconometricsConsumption (sociology)Shock (circulatory)Distributed lagCausality (physics)Convergence (economics)MacroeconomicsAutoregressive modelEnergy (signal processing)Short runSample (material)StatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

This study investigates the inter-temporal causal relationship between energy consumption and economic growth in Bangladesh during the period 1971-2007. This issue is of fundamental importance for the developing economy of Bangladesh. We use the Autoregressive Distributive Lag (ARDL) bounds testing approach to cointegration tests to explore the dynamic relationship between energy consumption and economic growth in Bangladesh. We apply newly developed methods based on simulations that are robust to the violation of statistical assumptions especially when the sample size is small as is the case in this paper. The interesting results of the paper are that unidirectional causality runs from energy consumption to economic growth in Bangladesh and then restrictions on the use of energy could lead to a reduction in economic growth. There is a convergence process in the long-run dynamics of energy use to real GDP so that any shock in energy adjusts with real GDP by 2-2.5 year. The growth hypothesis suggests that energy consumption plays an important role in economic growth in Bangladesh

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)0,000
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 enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 GPT0,296
Écart entre enseignants0,268 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOSF Preprints (OSF Preprints)Même sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207