Hydroelectricity Consumption and Economic Growth Nexus: Evidence from a Panel of Ten Largest Hydroelectricity Consumers
Notice bibliographique
Résumé
This paper explores the long-run and causal relationships between hydroelectricity consumption and economic growth for a panel of the 10 largest hydroelectricity consuming countries over the period 1965–2012. The countries include Brazil, Canada, China, France, India, Japan, Norway, Sweden, Turkey and the U.S.A. Using the Bai and Perron (2003) [9] tests for cointegration, the results indicate that real GDP per capita and hydroelectricity consumption per capita appear to be cointegrated around a broken intercept. Granger causality results from a nonlinear panel smooth transition vector error correction model suggest different results depending on the regimes, which we identified based on structural break tests. The test identified three breaks at 1988, 2000 and 2009. For the pre-1988 period, there is evidence of unidirectional causality running from real GDP per capita to hydroelectricity per capita in both the short- and long-run. Over the post-1988 period, there exists evidence of bidirectional causality between hydroelectricity energy consumption per capita and real GDP per capita in both the short- and the long-run. The results imply the existence of a feedback hypothesis with both hydroelectricity consumption and growth promoting each other in more recent periods, as the importance of hydroelectricity as a renewable energy, has become more prominent.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».