Climate neutrality through economic growth, digitalisation, eco-innovation and renewable energy in European countries
Notice bibliographique
Résumé
Purpose The purpose of this paper is to analyse the influence of economic growth, digitalisation, eco-innovation, energy consumption and patents on environmental technologies on the volume of greenhouse gas emissions (GHG) recorded in European countries for a period of nine years (2010–2018). Design/methodology/approach Two empirical methods were integrated into the theoretical approach developed based on the analysis of the current scientific framework. Multiple linear regression, an extended version of the OLS model, and a non-causal analysis as a robustness method, Dumitrescu–Hurlin, were used to achieve the proposed research objective. Findings Digitalisation described by the number of individual Internet users and patents on environmental technologies determines the amount of GHG in Europe, and economic growth continues to have a significant effect on the amount of emissions, as well as the consumption of renewable energy. European countries are not framed in well-established patterns, but the economic growth, digitalisation, eco-innovation and renewable energy have an impact on the amount of GHG in one way or another. In many European countries, the amount of GHGs is decreasing as a result of economic growth, changes in the energy field and digitalisation. The positive influence of economic growth on climate neutrality depends on its degree of sustainability, while patents have the same conditional effect of their translation into environmentally efficient technologies. Research limitations/implications This study has a number of limitations which derive, first of all, from the lack of digitalisation indicators. The missing data restricted the inclusion in the analysis of variables relevant to the description of the European digitalisation process, also obtaining conclusive results on the effects of digitalisation on GHG emissions. Originality/value A similar analysis of the relationship among the amount of greenhouse gas emissions and economic growth, digitalisation, eco-innovation and renewable energy is less common in the literature. Also, the results can be inspirational in the sphere of macroeconomic policy.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| 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 ».