The Role of Labor Productivity in Reducing Carbon Emission Utilizing the Method of Moments Quantile Regression: Evidence from Top 40 Emitter Countries
Notice bibliographique
Résumé
Global warming has become one of the most serious world-challenging issues nowadays, and much effort is being done to combat its consequences. Therefore, studying the trade-off between carbon emissions and economic activity remains an attractive subject for researchers. In this study, the environmental Kuznets curve (EKC) hypothesis is adopted to verify the trade-off between carbon dioxide emissions per capita and labor productivity in the top 40 emitter countries. Accordingly, a panel data from the top 40 emitter countries is employed from 1992 to 2018, and the novel method of moments quantile regression (MMQREG) is used to analyze the nexus among the variables. In addition, four robustness tests were used to validate the initial results. The findings reveal evidence for the N-shape EKC in the top 40 emitter countries. This indicates that economic growth initially will improve environmental quality up to a certain labor productivity level. However, after reaching a certain turning point, per capita CO2 emission began to fall with rising labor productivity up to the second tipping point, and then, a subsequent phase of deterioration. Heterogeneous characteristics are, however, detected over the N-shape EKC. Like the conclusion reached from the MMQREG, the pooled ordinary least squares (POLS), the fixed-effects (FE), the random-effects (RE), and the fully modified ordinary least squares (FMOLS) all confirmed the existence of the N-shape hypothesis.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».