MétaCan
Menu
Retour à la cohorte
Enregistrement W4412033658 · doi:10.15353/rea.v17i2.5880

Does Relation between Energy and Economic Growth hold for all Indian States? Empirical Analysis using Hurlin-Venet Process

2025· article· en· W4412033658 sur OpenAlexvenueno aff
Rochna Arora, Baljit Kaur

Notice bibliographique

RevueReview of Economic Analysis · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsEconometricsRelation (database)Energy (signal processing)MacroeconomicsStatisticsMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

Electricity consumption is often regarded as a precondition for economic growth and any bottleneck in its production can severely hurt the growth prospects of an economy more specifically a developing one. Representing a strong case of its value, the causal relationship between energy consumption and economic growth is addressed by extending the Granger causality framework in a heterogeneous panel setup. Exclusively four different causal behaviours are examined: Homogeneous Non-Causality (HNC), Homogeneous Causality (HC), Heterogeneous Non-Causality (HENC), and Heterogeneous Causality (HEC). Both HNC and HC hypotheses are rejected in the causality direction from Economic growth to energy consumption thereby suggesting that the panel of Indian states is not homogeneous. Following this heterogeneous causality tests (HENC and HEC) are conducted for each Indian state to check the hypothesis of causality from economic growth to energy. For 8 out of 17 Indian states strong unidirectional causality is found while for 6 other states, there is no evidence of any causality in the stated direction. The remaining 3 states show weak evidence of causality. Thus, the results are suggestive of the fact that the central government cannot dictate policies at the state level rather state needs to frame regional policies in line with the situation that suits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,701

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,305
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economic AnalysisMême sujetEnergy and Environment ImpactsTravaux en français237 207