Analysis of Urbanization and Energy Consumption Using Time Series Data: Evidence from the SAARC Countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Urbanization has posed some tremendous challenges which are related to environmental stresses through increased energy consumption. These challenges have drawn attention to the need to implement urbanization with sustainable energy consumption globally. The present study aims to identify the urbanizing factors that cause energy consumption in the SAARC countries. The South Asian Association for Regional Cooperation is considered in the study during the period of 1975-2014. The data are analyzed by using simple statistics and econometric techniques, such as the ordinary least squares (OLS) method for the country level. The study has found that all urbanizing variables significantly affect energy consumption with different levels in different countries, as shown by the OLS method. The coefficient of GDP is statistically significant at 1% level of significance for Bangladesh, Pakistan and Sri Lanka, while at 5% and 10% levels for India and Nepal, respectively. The coefficient of the industrial sector share in GDP is statistically significant at 1% level of significance for Bangladesh, Nepal and Pakistan. The result shows that a 1% increase in the service sector’s share in GDP leads to a reduction in energy consumption of 0.15%, 0.34% and 1.61%, respectively, in Bangladesh, Nepal and Sri Lanka. The result for urban population indicates that a 1% increase in urban population leads to an increase in energy consumption by 1.94%, 2.32%, 0.85% and 3.87%, respectively, for Bangladesh. India, Nepal and Sri Lanka. Green technology and energy efficiency technologies to use in the industries, encourage using public transportation, sustainable energy and urbanization are potential policy recommendations.
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.
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 | 0,000 | 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 | 0,001 |
| 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 découle