MétaCan
Menu
Retour à la cohorte
Enregistrement W4377096766 · doi:10.9734/ajeba/2023/v23i141000

Analysis of Economic Growth on Carbon Dioxide Gas Emissions in G20 Countries

2023· article· en· W4377096766 sur OpenAlexaboutno aff
Hafizd Khalam Ramadhan, Marselina Marselina, Tiara Nirmala, Neli Aida, Arivina Ratih

Notice bibliographique

RevueAsian Journal of Economics Business and Accounting · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGross fixed capital formationGross domestic productGreenhouse gasPopulationEuropean unionCarbon dioxideGeographyBusinessEconomicsEconomic growthInternational tradeChemistryDemography

Résumé

récupéré en direct d'OpenAlex

Aims: The purpose of this research is to analyze the effect of GDP, GFCF, and urban population on carbon dioxide gas emissions. In this case, the member countries of the G20 are the group of countries responsible for 75% of the greenhouse gas emissions produced. The role of the G20 countries is needed in reducing the resulting carbon dioxide gas emissions, to prevent global warming or climate change. Study Design: This study used a quantitative descriptive method. Place and Duration of Study: The scope of this research is the member countries of the G20 such as Indonesia, South Africa, United States, Saudi Arabia, Argentina, Australia, Brazil, China, India, United Kingdom, Italy, Japan, Germany, Canada, South Korea, Mexico, France, Russia, and Turkiye, European Union with Time Period 2000-2019. Methodology: This study uses a descriptive method with a quantitative approach, namely to analyze and determine the effect of Gross Domestic Product (GDP), Gross Fixed Capital Formation (GFCF), and urban population (URB) on carbon dioxide gas emissions in the G20 countries. Furthermore, the data used is secondary data with a panel data regression model, namely a combination of time series data and cross sections starting from 2000-2019. Results: The results of this study indicate that GDP, GFCF and urban population have a positive and significant effect on increasing carbon dioxide gas emissions in G20 member countries. Conclusion: Based on the calculation results, it is found that the Gross Domestic Product (GDP), Gross Fixed Capital Formation (GFCF), and urban population (URB) in G20 member countries have a positive and significant effect on increasing carbon dioxide gas emissions, both in partial and simultaneous tests. So that the government's role in this case is needed to maintain a healthy environment with increasing economic growth, or in the sense of creating Sustainable Development Goals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,335
Score d'incertitude au seuil0,494

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,213
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Economics Business and AccountingMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207