Linking geopolitical risk, load capacity factor, income, labor, population, and trade on natural resources: Evidence from top oil‐producing countries
Notice bibliographique
Résumé
Abstract The global economy has been witnessing increasing geopolitical risk (GPR) in recent years. The rise in GPR has several consequences, and the impact of this situation on natural resource rent (NR) has not yet been analyzed for the major oil‐producing countries. Given this deficiency, this study analyzes the impact of GPR, gross domestic product, the labor force (LBR), load capacity factor, population density, and trade openness on the NR for the five major oil‐producing countries (namely, Canada, China, Russia, Saudi Arabia, and the United States of America). To this end, the study analyzes data for the period 1995/Q1‐2021/Q4 by using a cross‐sectional Autoregressive Distributed Lag approach. The results demonstrate that (i) an increase in GPR and load capacity factor declines the NR; (ii) an increase in gross domestic product stimulates the NR; and (iii) a rise in population density, labor force, and trade openness has a stimulating impact on the NR. Overall, the research shows that all variables substantially impact the NR. Based on the results, various policy options are discussed, such as assessing geopolitical tensions as leverage to sustainably regulate the natural resource market and growth to prevent negative impact from managing the NR effectively for the five major oil‐producing countries.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».