MétaCan
Menu
Retour à la cohorte
Enregistrement W4282979776 · doi:10.1080/1331677x.2022.2081865

Role of public and private investments for green economic recovery in the post-COVID-19

2022· article· en· W4282979776 sur OpenAlexaboutno aff
Xiaoqing Dai, Fangping Rao, Zhen Liu, Muhammad Mohsin, Farhad Taghizadeh–Hesary

Notice bibliographique

RevueEconomic Research-Ekonomska Istraživanja · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education, Culture, Sports, Science and Technology
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)BusinessEconomic recoveryEconomicsVirologyMedicineOutbreakInfectious disease (medical specialty)MacroeconomicsDisease

Résumé

récupéré en direct d'OpenAlex

This study evaluates the outlook of government expenditure through public and private financing for the green economic revitalization after COVID-19 in Canada. The various econometric estimations are used to measure the impact of government expenditure on green economic recovery. The implementation of public investment is explicitly associated with private funding. The results suggest that the government policy incentives and non-government financing influence fossil fuel energy sources proportions on non-government investment, which is additional than the feed-in tariffs. According to fixed effects results, the distribution of fossil fuel energy sources is an essential obstacle in solar energy investment. In contrast, the presence of varied types of renewable energy encourages non-government climate investment. Throughout the study period after the breakout of the pandemic phase, neither fossil fuel energy sources nor economic policy is marginally efficient. The different macroeconomic programs in green economic recovery might be ideal for attaining the needed impact. The critical policy conclusion of the results of this research is that an influential role of the public and private investment may be part of an optimal firm innovation plan for green economic recovery in the post-COVID-19 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 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)0,008
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,355
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,091
Tête enseignante GPT0,295
Écart entre enseignants0,204 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomic Research-Ekonomska IstraživanjaMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207