Does nuclear energy consumption mitigate carbon emissions in leading countries by nuclear power consumption? Evidence from quantile causality approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nuclear energy has sparked international attention as one of the most important strategies for reducing emissions thanks to its ability to provide low-carbon power. Based on this interesting fact, the current research explores the effect of nuclear energy on CO 2 emissions in the leading countries by nuclear power consumption using a quarterly dataset from 1990 to 2019. The study employs the quantile-on-quantile (QQ) estimator, which accounts for both non-parametric and conventional analyses and enhances the provision of unbiased and consistent estimates. In addition, the Granger causality in quantiles approach is adopted to assess the causality in quantiles between the variables of investigation. The outcomes from the QQ estimator reveals that in the majority of the quantiles, nuclear energy contributes to decreased degradation of the environment in the USA, France, Russia, South Korea, Canada, Ukraine, Germany, and Sweden. Contrawise, the feedbacks from Spain and China expose that Nuclear Energy Consumption (NUC) contributes to the deterioration of the environment. Moreover, the outcomes of the causality test disclose that nuclear energy and CO 2 emissions can predict each other in the majority of the quantiles. The findings above provide profound ramifications for policymakers planning nuclear energy and CO 2 -emission policies towards achieving sustainable environment in the sample countries and beyond..
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.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 découle