DOI: https://doi.org/10.1016/j.ecolecon.2024.108166
تاريخ النشر: 2024-03-13
المؤلف: Corey J. A. Bradshaw وآخرون
الموضوع الرئيسي: التقييم الاقتصادي والبيئي
نظرة عامة
تقدم هذه القسم خريطة حرارية لمصفوفة الارتباط، باستخدام τ من كيندال، لمتغيرات التنبؤ المختلفة المقاسة والمتحولة ذات الصلة بالدراسة. يتم الإبلاغ عن معامل الارتباط المطلق الوسيط كـ |τ|_median = 0.41، مع حد أقصى قدره |τ|_max = 0.79. تشمل المتغيرات التي تم تحليلها الناتج المحلي الإجمالي للفرد (GDP)، مؤشر الأمن الصحي العالمي (GHSI)، الواردات للفرد من السلع والخدمات (IGS)، مؤشر إدراك الفساد (CPI)، النسبة المئوية للقيمة المضافة من الناتج المحلي الإجمالي من الإنتاج الأولي (VAPP)، نسبة مساحة الأراضي الزراعية المخصصة للزراعة (AGRL)، إنتاج الفرد من المقالات العلمية والتقنية (STJA)، واستثمار الحكومة في التعليم كنسبة من الناتج المحلي الإجمالي (EDU).
بالإضافة إلى ذلك، يتم تقديم نسخة رقمية من بيانات الارتباط في الجدول S1، بينما يتم توضيح تصور الخريطة الحرارية في الشكل S2. تعتبر هذه التحليل عنصرًا أساسيًا للتحقيقات اللاحقة، مما يبرز العلاقات المتبادلة بين المؤشرات الاقتصادية والاجتماعية الرئيسية.
نقاش
في قسم النقاش، قام المؤلفون بتحليل معدل التغير الأسي الفوري الوسيط في نسبة تكاليف الأضرار إلى نفقات الإدارة عبر مراحل مختلفة من الأداء الاقتصادي وقدرة الحوكمة. في المرحلة 1، أظهرت نماذج التأثيرات المختلطة الخطية العامة دعمًا محدودًا للمتغيرات التي تم فحصها، بما في ذلك الواردات للفرد، الناتج المحلي الإجمالي، مؤشر الأمن الصحي العالمي (GHSI)، ومؤشر إدراك الفساد (CPI)، مما يشير إلى عدم وجود علاقة كبيرة مع نسبة تكاليف الأضرار: نفقات الإدارة. اقترحت النماذج أن زيادة قدرة الحوكمة لم ترتبط بتقليل هذه النسبة بمرور الوقت.
ومع ذلك، في المرحلة 2، كشفت التحليل عن أدلة كافية لتضمين نسبة مساحة الأراضي الزراعية المخصصة للزراعة كمتنبئ مهم. أشارت النماذج إلى أن هذا المتغير، إلى جانب النسبة المئوية للقيمة المضافة من الناتج المحلي الإجمالي من الإنتاج الأولي، كان له تأثير ملحوظ على نسبة تكاليف الأضرار: نفقات الإدارة. على العكس من ذلك، وجدت المرحلة 3، التي ركزت على القدرة التعليمية والبحثية، دعمًا ضئيلًا للمتغيرات التي تم فحصها، بما في ذلك استثمار الحكومة في التعليم وإنتاج الفرد من المقالات العلمية والتقنية، مما يشير إلى أن هذه العوامل لم تؤثر بشكل كبير على النسبة في هذا السياق. بشكل عام، تسلط النتائج الضوء على التأثيرات المتنوعة للعوامل الاقتصادية وعوامل الحوكمة على تكاليف الأضرار بالنسبة لنفقات الإدارة عبر مراحل مختلفة.
DOI: https://doi.org/10.1016/j.ecolecon.2024.108166
Publication Date: 2024-03-13
Author(s): Corey J. A. Bradshaw et al.
Primary Topic: Economic and Environmental Valuation
Overview
The section presents a correlation matrix heatmap, utilizing Kendall’s τ, for various scaled and transformed predictor variables relevant to the study. The median absolute correlation coefficient is reported as |τ|_median = 0.41, with a maximum of |τ|_max = 0.79. The variables analyzed include per-capita gross domestic product (GDP), the global health security index (GHSI), per-capita imports of goods and services (IGS), the corruption perception index (CPI), value-added percentage of GDP from primary production (VAPP), the proportion of terrestrial land area devoted to agriculture (AGRL), per-capita production of scientific and technical journal articles (STJA), and government investment in education as a proportion of GDP (EDU).
Additionally, a numeric matrix version of the correlation data is provided in Table S1, while the heatmap visualization is illustrated in Fig. S2. This analysis serves as a foundational element for subsequent investigations, highlighting the interrelationships among key economic and social indicators.
Discussion
In the discussion section, the authors analyzed the median instantaneous exponential rate of change in the ratio of damage costs to management expenditure across different phases of economic performance and governance capacity. In Phase 1, general linear mixed-effects models showed limited support for the variables examined, including per-capita imports, GDP, the global health security index (GHSI), and the corruption perception index (CPI), indicating no significant relationship with the damage cost:management expenditure ratio. The models suggested that increasing governance capacity did not correlate with a reduction in this ratio over time.
In Phase 2, however, the analysis revealed sufficient evidence to include the proportion of terrestrial land area devoted to agriculture as a significant predictor. The models indicated that this variable, along with the value-added percentage of GDP from primary production, had a notable impact on the damage cost:management expenditure ratio. Conversely, Phase 3, which focused on educational and research capability, found little support for the examined variables, including government investment in education and per-capita production of scientific and technical journal articles, suggesting that these factors did not significantly influence the ratio in this context. Overall, the findings highlight the varying influences of economic and governance factors on damage costs relative to management expenditures across different phases.