Achieving environmental quality through stringent environmental policies: Comparative evidence from G7 countries by multiple environmental indicators
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.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».