Synergy between energy technologies and CO2 emitting goods trade in leading energy-intensive economies: proactive or counterproductive governance?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The trade of CO 2 emissions encompasses the balance of exports and imports related to goods that contribute to carbon dioxide emissions. However, energy technologies, whether clean or carbon-intensive, significantly influence this trade. We investigate the impact of decomposed energy technologies, both clean and fossil fuel-based, on the export of CO 2 emitting goods from the world’s top energy-intensive countries during the period from 1990 to 2022. Given the heterogeneity and endogeneity inherent in the data, we employ quantiles via moments and high-dimensional fixed effects linear regression techniques, respectively. Our findings reveal a monotonic positive impact of clean energy technologies in reducing the export of goods associated with CO 2 emissions. In contrast, fossil fuel technologies tend to increase the export of such goods. Interestingly, the interaction between sustainable and fossil fuel technologies contributes to a reduction in these exports, highlighting the significant role of sustainable technological development. However, when considering the interaction between both types of technologies (clean and fossil fuel) and governance practices, we observe an increase in the exports of goods associated with CO 2 emissions. This underscores the substantial influence of governance practices on increasing the export of these goods. Our results suggest that advancing sustainable energy technologies and proactive governance can lessen the export of CO 2 -emitting goods, promoting environmental safety.
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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle