Environmental Sustainability and Economic Growth: A Panel Data Analysis in East Africa
Notice bibliographique
Résumé
This study investigated the environmental sustainability of economic growth: a Panel data analysis in East Africa for the period 1990-2020 And we use of OLS estimation, Fully Modified Least Squares (FMOLS), and the outcome of Descriptive statistics reveal the typical magnitudes, standard deviations, and ranges of variables such as ecological footprint (EF), carbon dioxide (CO2), biocapacity (BC), foreign direct investment (FDI), gross domestic product (GDP), and population.EF has an average of 17.15 with a low standard deviation, suggesting proximity to the mean.CO2 exhibits higher variability, with a range from -3.330 to 11.691.Similar patterns are observed for BC, FDI, GDP, and population.Correlation analysis reveals relationships, with positive correlations between EF and CO2, EF and population, CO2 and population, and BC and EF.Negative correlations exist between EF and GDP and CO2 and GDP, suggesting potential trends in the associations between ecological impact, economic development, and population dynamics.The Kao Residual Cointegration Test indicates that the variables in the analysis may be stationary after differencing, a crucial condition for cointegration.The p-values associated with residual V and HAC V are both less than 0.05, providing statistical significance and evidence against the null hypothesis of no cointegration.The overall low p-value (0.0004) for the Kao test further supports the rejection of the null hypothesis, suggesting the presence of cointegration among the variables.For biocapacity (BC) and foreign direct investment (FDI), individual intercept and trend co-integration tests show significant evidence.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».