Achieving environmental quality through stringent environmental policies: Comparative evidence from G7 countries by multiple environmental indicators
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
Compatible with the increasing public interest on climate change, countries have taken measures to combat climate change and support environmental sustainability. Considering this fact, this study investigates whether environmental measures, proxied by the environmental policy stringency (EPS) index, are efficient in achieving sustainability of environment in G7 countries as the leading economies; uses multiple environmental sustainability indicators, and applies quantile methods from 1991/Q1 to through 2020/Q4. The results show that (i) EPS curbs carbon dioxide emissions in France and the United States across all quantiles. Also, it has a declining effect in Germany and Italy at lower quantiles and in Canada at lower and higher quantiles; (ii) EPS declines ecological footprint in United States across all quantiles, while it curbs in Canada and Germany at lower quantiles as well as in Italy and United Kingdom at higher quantiles; (iii) EPS stimulates load capacity factor in France, United Kingdom, and United States across all quantiles and in Canada at higher quantiles; (iv) causal effect of EPS on the environment varies throughout quantiles; (v) the robustness of the results by quantile regression method is verified. Overall, the results reveal that the effect of EPS on environmental sustainability differentiates across environmental indicators, countries, and quantiles. In ensuring environmental quality, EPS is completely helpful in the United States, fully inefficient in Japan, and has a mixed effect in remaining G7 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.
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 | 0,000 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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