Econometric Analysis of Residential Sector Gas Demand Elasticities in Gas Exporting Countries
Notice bibliographique
Résumé
This paper examines how residential sector gas demand in gas exporting countries response to changes by taking into consideration the economic variables. For this purpose, the short and long-run price and income elasticities of residential sector gas demand in the GECF countries for 2000 and 2019 are measured. Using Cobb-Douglas functional form, this paper applies the bounds testing approach to co-integrate within the framework of ARDL (Autoregressive Distributed Lag). Findings of this research show that there is a significant long-run relationship in nine GECF countries, including Algeria, Egypt, Iran, Malaysia, Norway, Peru, Russia, Trinidad and Tobago and Venezuela, that use gas as a source of energy in their residential sector. On average, long-rung income elasticity for underlying countries is 2.65, while long-run price elasticity is negative and calculated at 0.79. This shows that in considered gas exporting countries, residential sector gas demand is very sensitive to income policies, while the price policies impact on demand is more limited. Furthermore, short-run income and price elasticities are estimated at 6.99 and -0.02 (near zero) respectively, which implies that natural gas is very inelastic to price, as a result,price policies are unable to make significant changes in demand over the short-term. Meanwhile, as expected short-run price elasticity is lower than long-run elasticities, indicating that gas exporting countries are more responsive to price in the long-term than in the short-term. Finally, it was found that most of the preferred models have empirical constancy over the sample period. 
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,003 | 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 ».