Does cultural characteristics moderate the effect of shadow economy on carbon emissions? Evidence from the Global South countries
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
Climate change presents a serious challenge to economies in the Global South, where informal economic activities remain widespread. The shadow economy, while providing livelihoods, undermines environmental regulations and contributes to rising carbon emissions. Yet, the extent to which cultural characteristics shape this relationship remains underexplored. This study investigates how five of Hofstede’s cultural dimensions—power distance, individualism, masculinity, uncertainty avoidance, and long-term orientation—moderate the shadow economy–emissions nexus. Using panel data from 60 Global South countries between 1996 and 2018, we apply Prais–Winsten panel-corrected standard errors and feasible generalized least squares as baseline estimators, with a two-step system GMM for robustness against endogeneity. The results indicate that individualism, masculinity, and long-term orientation mitigate the emissions impact of informality, while high power distance and uncertainty avoidance amplify it. These findings highlight the role of cultural traits in shaping environmental outcomes and underscore the need for context-specific policy responses. Promoting cultural values that support responsibility, long-term planning, and compliance, while facilitating the transition of small enterprises into the formal economy, can reduce carbon intensity. The study provides new evidence on how cultural factors influence the environmental consequences of informality and offers insights for designing more effective climate and development strategies in the Global South.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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