آثار فین تک و کیفیت حکمرانی بر گذار به انرژی سبز
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 30
فایل این مقاله در 41 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IEER-14-54_002
تاریخ نمایه سازی: 5 خرداد 1405
چکیده مقاله:
پژوهش حاضر به دنبال بررسی آثار فین تک و کیفیت حکمرانی بر گذار به انرژی سبز در کشورهای گروه ۷ (G۷) در بازه زمانی سالیانه ۲۰۰۰ الی ۲۰۲۱، با کمک رگرسیون پانل کوانتایل است. نتایج تجربی حاصله موید آن است که شاخص فین تک (FIN) در همه دهک ها دارای اثری مثبت و معنادار بر لگاریتم گذار به انرژی سبز است. همچنین کیفیت حکمرانی (GOV) در همه دهک ها دارای اثری مثبت بر لگاریتم گذار به انرژی سبز بوده و دهک های اول، هشتم و نهم دارای معناداری آماری بوده اند. لگاریتم شهرنشینی (LURB) در همه دهک ها دارای اثری منفی و معنادار بر لگاریتم گذار به انرژی سبز است. لگاریتم سرمایه گذاری مستقیم خارجی (LFDI) تا دهک پنجم دارای اثری منفی بر لگاریتم گذار به انرژی سبز است و فقط دهک های اول و دوم دارای معناداری آماری هستند. لگاریتم تولید ناخالص داخلی (LGDP) در همه دهک ها دارای اثری مثبت بر لگاریتم گذار به انرژی سبز است و به جز دهک های ششم، هشتم و نهم بقیه دهک ها دارای معناداری آماری هستند. بدین ترتیب، دو فرضیه این پژوهش مبنی بر تاثیر مثبت و معنادار شاخص های فین تک و کیفیت حکمرانی بر گذار به انرژی سبز در کشورهای گروه ۷ (G۷) مورد تایید واقع شده اند. همچنین متغیرهای شهرنشینی، سرمایه گذاری مستقیم خارجی و تولید ناخالص داخلی (از طریق افزایش تقاضا برای خدمات فین تک به دلیل افزایش جمعیت شهرها و رشد اقتصادی و کمک به توسعه زیرساخت های فین تک به کمک جذب سرمایه گذاری خارجی) دارای ارتباطی مثبت با شاخص های فین تک و کیفیت حکمرانی هستند.
کلیدواژه ها:
نویسندگان
سیدمحمدقائم ذبیحی
دانشجوی دکتری علوم اقتصادی، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران
فاطمه اکبری
دانشجوی دکتری علوم اقتصادی، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران
نرگس صالح نیا
دانشیار گروه اقتصاد، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :