MétaCan
Menu
Retour à la cohorte
Enregistrement W4283729499 · doi:10.1016/j.wds.2022.100021

Further evidence of mean reversion in CO2 emissions

2022· article· en· W4283729499 sur OpenAlexaff
Peter S. Sephton

Notice bibliographique

RevueWorld Development Sustainability · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMean reversionAllowance (engineering)AutocorrelationEconometricsGreenhouse gasEconomicsStatisticsEnvironmental scienceMathematicsOperations management

Résumé

récupéré en direct d'OpenAlex

Sephton (2020) demonstrated that nearly all national and relative CO2 emissions in a group of 33 nations were mean-reverting after making allowance for non-linear deterministics and first-order autocorrelation. This suggested that a permanent reduction in emissions could only be accomplished through structural changes that alter trends. This paper extends the analysis in two directions. The first is to test whether the AR1 specification is preferred to an unrestricted general dynamic model through the application of common factor tests. The second is to non-nested hypothesis tests to determine which specification is best supported by the data. In many cases emissions are mean-reverting, but for some countries, none of the models appear to adequately capture the temporal behaviour of national or relative CO2 emissions. In a majority of nations, policies that fundamentally change behaviour and induce structural change are required to achieve a permanent reduction in emissions.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,156
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,233
Écart entre enseignants0,206 · 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'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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Development SustainabilityMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207