Influence of green technology, green energy consumption, energy efficiency, trade, economic development and FDI on climate change in South Asia
Notice bibliographique
Résumé
Climate change policy has several potential risks. The purpose of this study is to investigate the impact of green technology development, green energy consumption, energy efficiency, foreign direct investment, economic growth, and trade (imports and exports) on greenhouse gas (GHG) emissions in South Asia from 1981 to 2018. We employed Breusch Pagan LM, bias-corrected scaled LM, and Pesaran CD as part of a series of techniques that can assist in resolving the problem of cross-sectional dependence. First and second generation unit root tests are used to assess the stationarity of the series, Pedroni and Kao tests are used to test co-integration. The long-term associations are examined using fully modified ordinary least square (FMOLS) and panel dynamic ordinary least square (DOLS) for robustness. The results revealed that trade, growth rate, and exports significantly increase GHG emissions. This accepted the leakage phenomenon. The results also demonstrated that green technology development, green energy consumption, energy efficiency, and imports all have a significant negative correlation with GHG emissions. Imports, advanced technical processes, a transition from non-green energy to green energy consumption, and energy efficiency are thus critical components in executing climate change legislation. These findings highlight the profound importance of green technology development and green energy for ecologically sustainable development in the South Asian countries and act as a crucial resource for other nations throughout the world when it comes to ecological security. This research recommends the consumption of environmentally friendly and energy-efficient technologies in order to mitigate climate change and the government's implementation of the most recent policies to neutralize GHG emissions in order to achieve sustainable development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».