The Impact of Renewable Energy Consumption, Economic Growth, Globalization, and Financial Development on Carbon Dioxide Emissions: Evidence from Selected G7 Economies
Notice bibliographique
Résumé
The aggregate upsurge in carbon dioxide emissions (CO2) witnessed through environmental degradation and global climate change is a call for great concern. This, therefore, calls for the enactment, utilization and implementation of provisions and policies geared towards curbing this global economic bad without impeding global economic growth rates. This study ascertains the extent to which renewable energy consumption (REC), economic growth (GDP), population growth (POP), globalization (GLO), and financial development (FD) affect carbon dioxide emissions (CO2) in selected G7 economies (France, Germany, Canada, Italy, and the United Kingdom) from 1990–2020. The Dynamic Fixed Effect Autoregressive Distributive Lag (DFE-ARDL) and the Pooled Mean Group ARDL (PMG-ARDL) methods were employed for analysis. The empirical findings for DFE-ARDL showed that REC, GDP, and POP have an adverse association with CO2 in the long-term. However, in the short-term, REC and FD improve the environment, while GDP and POP drive CO2. It is observed that the result for REC in the short and long-run is consistent. The PMG-ARDL results revealed that REC and GLO negatively affect CO2 in the long-run, and in the short-run, GDP spurs CO2, while FD reduces it. The result summary of both methods employed demonstrates that REC, GLO, and FD benefit the environment. At the same time, GDP and POP harm the environment in the short-run but reduce CO2 in the long-run. Conclusively, the research recommends increasing the utilization of renewable energy and policies that enable economic growth and CO2 to move in the opposite direction.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».