Do asymmetric green technology innovation and institutional quality shocks matter for CO2 emissions in OECD countries? New evidence from an ARDL–PMG approach
Notice bibliographique
Résumé
Harmful climatic effects caused by increasing levels of carbon emissions are nowadays considered a serious problem for countries all over the world. Some nations are not yet making best use of their resources to promote long-term growth, while others are making great efforts to maintain a clean environment. Governments and policymakers worldwide however are considering climate challenges and global warming as critical risks. This research enriches previous literature on reducing CO2 emissions by exploring effects on carbon dioxide emissions from asymmetric green technology innovation and institutional quality within OECD nations. The short- and long-term impact of upward and downward fluctuations of GTI and IQ on CO2 emissions are assessed across a panel of 35 OECD nations for the period 1995-2020. The findings show: (i) that the EKC hypothesis is supported for long term effect but not short term in the countries studied; (ii) the existence of asymmetric long-term effects for GTI and dimensions of IQ; and (iii) that controlling corruption seems to have the most important effect on environmental degradation compared to other IQ measures. The study contributes to current understandings by revealing the nuanced and complex relations linking technological and institutional factors and environmental outcomes in developed economies. Based on the results, OECD countries must stimulate and support green technological innovation by defining appropriate governance reforms to foster sustainable development and meet sustainable development goals.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».