Sustainable development efficiency and its influencing factors across BRICS and G7 countries: An empirical comparison
Notice bibliographique
Résumé
Sustainable development is the global overarching paradigm and essential for achieving economic, social, and environmental development. The primary goal of this study is to compare the efficiency of sustainable development and evaluate its influencing factors across the BRICS (Brazil, Russia, India, China, and South Africa) and G7 (Canada, France, Germany, Italy, Japan, the United Kingdom, and United States) countries by examining total factor productivity, efficiency change, and technological change. For this, we adopted the super-efficiency SBM-DEA model with undesirable output and Global Malmquist-Luenberger (GML) productivity index model to overcome inaccurate efficiency results while avoiding environmentally unwanted outputs and to resolve the shortcomings of the conventional Malmquist-Luenberger index. It is also necessary to explore relevant influencing factors on the environmental pollution thereby affects the sustainable development efficiency of the study countries, thus, this study employed STIRPAT approach. A panel data of BRICS and G7 countries from 2005 to 2015 is used. The findings reveal that sustainable total factor productivity (GML) in China (1.0165), the US (1.0150), and UK (1.0024) is on the rise. China is also one of the countries that experienced the highest positive efficiency change (GMLEC) (1.0147) and the US has the highest positive technical change (GMLTC) (1.0103). Contrarily, Russia experienced the highest decline in GMLTC (0.9316) as well as GML indexes (0.9337), whereas South Africa experienced the highest decline in GMLEC (0.9707). Additionally, GDP per capita (.0969) and population (.4178) have a positive influence on CO2 emissions in the BRICS countries, whereas in the G7 nations, GDP per capita (−.2180) and population (−.1249) have negative influences on CO2 emissions. The study also offers practical recommendations to address identified limitations and improve sustainable productivity and environmental efficiency. The inverse link between GDP and CO2 emissions might imply that the G7 nations have passed the turning point on an environmental Kuznets curve (EKC), but this finding does not support the EKC hypothesis in the BRICS nations.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».