Economic Determinants of Renewable Energy Consumption in China: Integrating Green Infrastructure, Urban Agglomeration, and Environmental Stressors
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
ABSTRACT China's rapid economic growth has intensified pressure on its energy system, with persistent fossil fuel dependence driving severe air pollution and escalating carbon emissions. Accelerating the transition toward renewable energy is thus vital for achieving the nation's “dual carbon” goals. This study investigates the structural and environmental determinants of renewable energy consumption (REC) in China from 2005 to 2023 using a multi‐method econometric framework. By integrating green infrastructure (forest area), energy efficiency (energy intensity), environmental stressors (PM 2.5 exposure), and spatial dynamics (urban agglomerations exceeding one million inhabitants), the analysis offers a comprehensive understanding of renewable energy drivers. Employing the autoregressive distributed lag (ARDL) bounds approach, Dynamic OLS (DOLS) for long‐run robustness, and Toda–Yamamoto causality tests for directionality, the results confirm strong long‐run cointegration between REC and its determinants. Forest cover, urban agglomerations, and PM 2.5 exposure significantly influence renewable energy demand, while energy intensity reflects structural breaks aligned with policy reforms in the late 2000s. These findings highlight that renewable energy uptake in China is shaped by the interplay of ecological resilience, urban transformation, and environmental pressures. The study contributes to sustainable development research by emphasizing that renewable energy policy must be integrated with ecological management, urban planning, and pollution control. Policy recommendations advocate for afforestation, renewable‐integrated urban infrastructure, stricter emission regulation, and ongoing efficiency improvements to accelerate China's clean energy transition and inform broader sustainable development pathways in emerging 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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