Agricultural carbon financial innovation and carbon emission reduction effect: an empirical study based on system GMM
Notice bibliographique
Résumé
In recent years, the green economy has been developing rapidly, and the environmentalization of industries has been widely popularized in various industries.This paper carries out an in-depth study on the relationship between agricultural carbon finance and carbon emission reduction, and after understanding the theory related to carbon finance and carbon emission, it adopts the method of system GMM estimation to construct a dynamic panel model for the study of agricultural carbon finance and carbon emission, and selects research variables.The development of agricultural carbon financial innovation and carbon emission in 30 provincial-level administrative regions in China from 2014 to 2024 is studied, and regression analysis is carried out using system GMM so as to obtain the relationship between the impact of agricultural carbon financial innovation on carbon emission reduction, and the robustness test is carried out.The maximum values of agricultural carbon financial scale, carbon financial efficiency, carbon financial structure, and per capita carbon emission are 16.942, 7.052, 1.926, and 128.945 respectively, while the minimum values are 0.965, 0.048, 0.079, and 0.145 respectively, and the maximum values are 17.56, 146.92, 100.33, and 889.28 times of the minimum values.There are large differences in the development of agricultural carbon financial innovation and carbon emission reduction effects among different provinces.Per capita carbon emissions are reduced by 22.5%, 20.5% and 24.5% for each unit increase in carbon financial scale, carbon financial efficiency and carbon financial structure, respectively.The parameter estimates of carbon financial scale, carbon financial efficiency, and carbon financial structure are significant at the levels of 10%, 1%, and 5%, respectively.It indicates that the innovative development of agricultural carbon finance can effectively promote carbon emission reduction.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».