MétaCan
Menu
Retour à la cohorte
Enregistrement W4297323754 · doi:10.32479/ijeep.13435

The Link between Economic Growth and Sustainable Energy in G7-Countries and E7-Countries: Evidence from a Dynamic Panel Threshold Model

2022· article· en· W4297323754 sur OpenAlexaboutno aff
Najia Saqib, Haider Mahmood, Aamir Hussain Siddiqui, Muhammad Asif Shamim‬‬‬‬‬

Notice bibliographique

RevueInternational Journal of Energy Economics and Policy · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesPrince Sultan University
Mots-clésNexus (standard)EconomicsSustainable growth rateChinaPanel dataSustainable developmentSustainable energyRenewable energyOrder (exchange)Developing countryDevelopment economicsNatural resource economicsEconomic growthGeographyPolitical scienceEconometrics

Résumé

récupéré en direct d'OpenAlex

The available literature on sustainable energy use and economic growth nexus yields conflicting conclusions, as the effect can be positive, negative, or insignificant. This research explores the causal link between sustainable energy use and economic growth in G7-countries (Japan, Canada, Germany, Italy, France, United Kingdom, and United States) and E7-countries (Russia, Brazil, Indonesia, China, Mexico, India, and Turkey) countries from 1990 to 2019. We discover that sustainable energy use and economic growth are proportional. Our results show that sustainable energy use positively affects economic growth if E7-countries exceed a specific threshold. It is detrimental to economic growth for the E7 countries' sustainable energy use to fall below a certain threshold. The use of sustainable energy has no significant impact on economic growth, although it does have a positive and noticeable impact in the G7 countries. In order for the countries of the G7 to see positive economic growth as a result of their investment in renewable energy, it is necessary for those nations to surpass a certain threshold in terms of their use of sustainable energy.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,173
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,018
Tête enseignante GPT0,230
Écart entre enseignants0,212 · 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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy Economics and PolicyMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207