MétaCan
Menu
Retour à la cohorte
Enregistrement W3204023892 · doi:10.3390/jrfm14100471

Causality between Energy Consumption and Economic Growth in the Presence of Growth Volatility: Multi-Country Evidence

2021· article· en· W3204023892 sur OpenAlexvenueno aff
Gulasekaran Rajaguru, Safdar Ullah Khan

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsCointegrationEnergy consumptionEnergy intensityVolatility (finance)Per capitaReal gross domestic productNexus (standard)MacroeconomicsSustainabilityEconometricsMonetary economics

Résumé

récupéré en direct d'OpenAlex

Falling energy intensity (increasing efficiency) is believed to be a result of more efficient production methods that have evolved over time, indicating overall sustainability in the production process. The objective of this study is to investigate the diminishing trend of energy intensity and the related volatilities in growth of energy consumption and income growth through the energy–growth nexus. The country specific long-run and short-run causal relationships among real energy consumption per capita, real GDP per capita, and the volatilities of growth in income and the growth in energy consumption are established using the method proposed by Yamamoto–Kurozumi within a cointegration framework in 48 countries. The overall findings suggest that energy intensity is falling, in conjunction with the existing evidence on the energy–growth nexus in most of the countries studied; hence, implicitly this confirms sustainability. The results based on volatility analysis show a significant decrease in energy use in response to increasing income growth volatility. The negative effects of income growth volatility on energy consumption are usually countered through compensation measures, with subsidies provided to households and producers in order to smooth the energy consumption behaviours in those economies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,061
Score d'incertitude au seuil0,591

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,227
Écart entre enseignants0,198 · 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 tête enseignante, 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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207