The Impact of Green Bonds and Energy Use on Carbon Dioxide Emissions: Evidence from 17 Financially Developed Countries (2014–2023)
Notice bibliographique
Résumé
This study investigates how green bond issuance, energy use, renewable energy, and economic growth relate to per capita CO2 emissions in 17 financially developed countries that are active in green bond markets over the period 2014–2023. We construct an annual panel for Australia, Austria, Canada, Mainland China, Finland, France, Germany, Italy, Japan, Luxembourg, New Zealand, Norway, Spain, Sweden, the United Kingdom, and the United States, and apply panel-corrected standard errors (PCSEs) together with Method of Moments Quantile Regression (MMQR). Diagnostic tests based on Pesaran’s CIPS unit root and Westerlund’s cointegration procedures indicate that the variables are I(1) and cointegrated, while Pesaran-type dependence and slope heterogeneity tests justify the use of robust panel methods. The PCSE results show that total energy consumption is the strongest factor associated with higher emissions, renewable energy consumption is consistently associated with lower emissions, economic growth is positively linked to emissions, and green bond issuance is associated with lower emissions, although the magnitude of this relationship is modest. MMQR estimates reveal that these relationships are heterogeneous across the CO2 distribution. Green bonds are associated with lower emissions only in low-emission country–years, while this association becomes statistically weak at higher quantiles. Renewable energy is linked to lower emissions across all quantiles, with stronger associations in the lower part of the distribution, and the growth–emissions relationship weakens at the top, consistent with an Environmental Kuznets Curve pattern. These findings suggest that expanding renewables and improving the carbon content of energy use remain central for decarbonization, while green bonds may support emission reductions, particularly in cleaner, institutionally advanced economies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».