MétaCan
Menu
Retour à la cohorte
Enregistrement W7110123308 · doi:10.1108/jeas-05-2025-0291

Does environment and health impact economic growth in presence of asymmetries? Evidences from G7 economies using panel nonlinear ARDL

2025· article· en· W7110123308 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of economic and administrative sciences. · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDistributed lagLife expectancyPanel dataContext (archaeology)Autoregressive modelLagPopulationFixed effects model

Résumé

récupéré en direct d'OpenAlex

Purpose The aim of this study is to explore the symmetric and asymmetric relationship between economic growth, health and environment across G7 countries from 1960 to 2022. Design/methodology/approach Economic theory suggests that the relationship between economic growth, health and environment tends to be both linear and non-linear. The former relation indicates the presence of symmetries and the latter points to the presence of asymmetries in the system. To analyse the symmetric relationship, this study employs a panel linear autoregressive lag model, while as to analyze the asymmetric relationship, it employs a panel non-linear autoregressive lag model. Panel autoregressive distributed lag (ARDL) and NARDL econometric models capture both short- and long-run dynamics, allowing for heterogeneity across countries and identifying non-linear, asymmetric effects of health and environmental variables on economic growth. Findings The results confirm the existence of a stable long-run relationship among the variables. Life expectancy and public health expenditure emerge as the strongest drivers of economic growth, while environmental quality also plays a significant role. Population growth has a comparatively smaller positive impact. Country-specific results reveal heterogeneity, with the USA and France exhibiting faster long-run adjustments and Canada, Italy and Germany showing stronger lagged effects of health spending. Asymmetric effects are particularly pronounced for life expectancy and health expenditure, where positive shocks yield larger economic benefits than the adverse impacts of negative shocks. Research limitations/implications The findings confirm the presence of asymmetric effects, especially for life expectancy and health expenditure in the context of G7 economies, where positive shocks yield greater economic benefits than the adverse impacts of negative shocks. Overall, the study emphasizes the critical importance of sustained investment in health and the environment to foster resilient and inclusive economic growth. Social implications Improved health outcomes and environmental quality not only enhance economic performance but also contribute to social well-being, equity and sustainability, reinforcing the broader development agenda of G7 countries. Originality/value In the context of G7 economies, the relationship between economic growth, health and environment has been analysed in a linear fashion only. To our best knowledge, no research paper has examined this relationship in non-linear fashion, i.e. in the presence of asymmetries. The significance of G7 economies at the global level provides an ideal setting to analyse the asymmetric nexus between economic growth, health and environment. Thereby, this study aims to make a significant contribution to the existing literature.

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 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)0,002
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 enseignants0,145
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,090
Tête enseignante GPT0,320
Écart entre enseignants0,231 · 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