State Borrowing and Electricity Tariff in an Emerging Economy: Post-COVID-19 Experience
Notice bibliographique
Résumé
As the debt stock level of Ghana continues to rise, partly due to the negative impact of COVID-19, a number of new taxes have been introduced in the 2021 budget statement alongside an upward adjustment of electricity tariff. State borrowing may significantly influence electricity tariff, as power generation and distribution are primarily undertaken by state-owned companies whose borrowing constitutes a substantial portion of the country’s overall debt. Hence, this paper assesses the impact of state debt on electricity tariff in Ghana post COVID-19. The autoregressive distributed lag (ARDL) model and error correction model (ECM) are employed to test for the Granger causality between state debt and electricity tariff. Other variables such as inflation rates, exchange rates, and net energy imports that have the propensity to influence electricity tariff are also examined. The results reveal that state debt has both short-term and long-term impacts on electricity tariff. Additionally, inflation rates, exchange rates, and net energy imports only have long-term impacts on electricity tariff. Meanwhile, exchange rates have short-term effects on state debt. The findings imply that effective debt management policies should be implemented by the government to reduce borrowing, particularly when such borrowing is not invested into projects that can repay the debt at maturity. This study demonstrates that all the accumulated debt prior to and during the COVID-19 era is causing a significant increase in Ghana’s electricity tariff. This provides an empirical clue as to what the situation is likely to be in other developing 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».