MétaCan
Menu
Retour à la cohorte
Enregistrement W4400868568 · doi:10.1177/0958305x241263833

Growth-environment nexus in Canada: Revisiting EKC via demand and supply dynamics

2024· article· en· W4400868568 sur OpenAlexaffabout
Md. Idris Ali, Md. Monirul Islam, Brian Ceh

Notice bibliographique

RevueEnergy & Environment · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)Economic geographyEconomicsSupply and demandDynamics (music)Natural resource economicsEconometricsMacroeconomicsEngineeringSociology

Résumé

récupéré en direct d'OpenAlex

Previous research on the growth-environment nexus has predominantly focused on demand-side indicators, disregarding the supply-side dynamic and the environmental Kuznets curve (EKC) hypothesis. This study examines the role of economic growth on environmental quality in Canada, considering various macroeconomic factors such as energy consumption, technology innovation, foreign direct investment, and institutional quality. Using time series data for the period 1990 to 2022, this study employs the dynamic autoregressive distributive lag (DARDL) co-integration model to assess the co-integrating relationship among variables and conduct counterfactual shock analysis. The results demonstrate that economic growth significantly affects demand-side dynamics, leading to increased carbon emissions and ecological footprint, while concurrently reducing the supply-side factor, namely the load capacity factor, in both the short and long run. Notably, these findings include the confirmation of the EKC hypothesis as it relates to environmental safety, measured through energy consumption within the Canadian context. In addition, counterfactual analysis of the DARDL approach examines the effects of (±) 1% and (±) 5% shocks from the independent to dependent variables. For robustness, the kernel regularized least squares machine learning algorithm validates the results obtained from the DARDL estimation technique. The study's findings suggest implementing stringent environmental policies to enhance supply-side environmental parameters while carefully balancing energy consumption to support growth. It is crucial to ensure that economic growth is not achieved at the expense of environmental degradation in Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,029
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,007
Tête enseignante GPT0,151
Écart entre enseignants0,145 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & EnvironmentMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207