MétaCan
Menu
Retour à la cohorte
Enregistrement W4281259700 · doi:10.1016/j.renene.2022.05.095

Renewable energy and CO2 emissions: New evidence with the panel threshold model

2022· article· en· W4281259700 sur OpenAlexaff
Chaoyi Chen, Mehmet Pinar, Thanasis Stengos

Notice bibliographique

RevueRenewable Energy · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPer capitaRenewable energyEconomicsPanel dataEnergy consumptionConsumption (sociology)Per capita incomeGreenhouse gasNatural resource economicsGross domestic productEconometricsMacroeconomicsEngineeringPopulation

Résumé

récupéré en direct d'OpenAlex

The increased concerns over climate change led to a large body of literature that examined the impact of energy and economic growth on carbon dioxide (CO2) emissions per capita. The majority of the existing studies employed various linear panel estimation techniques ignoring the potential nonlinear effects of energy and income on CO2 emissions per capita. To fill this gap, this study uses panel data consisting of 97 countries between 1995 and 2015 and examines the nonlinear impact of renewable, non-renewable energy consumption, economic growth on CO2 emissions per capita by using a dynamic panel threshold model that is robust to cross-section dependence. Our findings indicate the effect of growth in renewable energy consumption per capita on the growth of CO2 emissions per capita is negative and significant if countries surpass a certain threshold of renewable energy consumption. This finding mainly holds for developed countries and countries with stronger institutions and is robust to the use of an alternative proxy for renewable energy consumption. Our findings highlight the fact that increased renewable energy consumption would only reduce CO2 emissions per capita if and only if countries surpass a certain threshold of renewable energy consumption.

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)0,006
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,047
Tête enseignante GPT0,203
Écart entre enseignants0,157 · 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'étudeSimulation ou modélisation
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

Citations247
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRenewable EnergyMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207