基于电力消耗的国家等级结构

2022-5-6 08:59:25

基于电力消耗和经济增长的国家等级结构：坎塔拉、b、阿尔珀·阿斯兰克、贝拉姆·德维伦德和穆斯塔法·凯斯金*,aa土耳其内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达州内华达*（日期：2018年9月1日）我们根据电力消费和经济增长，通过使用特定时期的实际消费量，调查各国的等级结构。我们使用电力消耗数据检测了1971年至2008年60个国家的拓扑特性。这些国家分为三个亚组：低收入国家、中等收入国家和高收入国家。首先，利用层次结构方法（最小跨度树（MST）和层次树（HT）的概念，研究了电力消费与经济增长之间的关系。其次，我们使用bootstrap技术来研究MST链路的统计可靠性。最后，为了更清楚地观察簇结构，我们使用了一个聚类链接过程。这些树的结构拓扑结果如下：i）我们根据地理位置和经济增长确定了不同的国家集群，ii）对于本研究中考虑的所有收入群体，我们发现能源消耗与经济增长之间存在密切关系；iii）结果与电力消耗与经济增长之间的因果关系一致。关键词：层次结构方法；自举技术；电力消耗和经济增长JEL分类：C10、C52、Q40、Q43I。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 08:59:28

电力消耗已经成为一个非常重要的话题。人们对发达国家和发展中国家日益增长的兴趣主要是由世界各地日益增长的能源需求引发的，而能源需求主要是由日益增长的经济活动推动的，尤其是在新兴国家。为了保证不间断、可靠、安全和经济的电力供应，提前估算电力消耗在电力系统的规划、分析和运行中至关重要。此外，对不发达国家和发展中国家的政策制定者和相关组织来说，电力消耗建模和预测起着至关重要的作用。研究了电力消费与经济增长之间的因果关系，在处理电力消费与经济增长之间的因果关系时，实证文献集中在四个方面：节约、增长、反馈和中性。第一个是守恒假说，如果经济增长导致电力消耗增加，则该假说得到支持。在这种情况下，经济增长的增加将对电力消费产生负面影响。第二种是增长假说，该假说认为电力消费可以直接影响经济增长，并间接补充生产过程中的劳动力和资本。增长假说验证了从电力消耗到经济增长是否存在单向因果关系。在这种情况下，电力消费的增加对经济增长有积极影响；以节能为导向的减少电力消耗的战略可能会对经济增长产生有害影响。反馈假说强调了电力消费和经济增长之间的相互依赖关系。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 08:59:31

电力消费和经济增长之间存在双向因果关系，这为反馈假说提供了支持。第四，中性假设表明，能源消费在决定经济增长中的地位相对较低。*通讯作者：埃尔西耶大学物理系，38039 Kayseri，TurkeyEmail：keskin@erciyes.edu.tr（凯斯金先生）；电话：+90 352 4374938x33105；传真：+903524374931。作者时期/国家方法从经济增长到电力消耗的单向因果关系霍什[1]1950-1997/印度Johansen Juselius；Granger因果关系VARNarayan等人[2]1966-1999/澳大利亚ARDL界限测试；Granger Causalityoo和Kim[3]1971-2002/印度尼西亚恩格尔·格兰杰；约翰森·朱塞利乌斯；萧斯嘉利提和隋[4]1966-2002/香港Johansen Juselius；Granger causalityMozumder和Marathe[5]1971-1999/孟加拉国Johansen Juselius；Granger Causality Jamil and Ahmad[6]1960-2008/巴基斯坦Johansen Juselius；Granger因果关系Shahbaz and Feridun[7]1971-2008/巴基斯坦Toda Yamamoto Wald测试从电力消耗到经济增长的因果关系测试Haqeel and Butt[8]1955-1996/巴基斯坦Engle Granger；《萧氏因果关系》[9]1971-2000/China Johansen Juselius；Granger Causalitylatinay和Karagol[10]1950-2000/土耳其Dolado Lutkepohl测试Causalityle和Chang[11]1954-2003/台湾Johansen Juselius；弱外生性测试[12]1970-2002/Korea Johansen Juselius；Granger causalityNarayan and Singh[13]1971-2002/斐济群岛ARDL边界测试；Granger causalityYuan等[14]1978-2004/中国-约翰森·朱塞利乌斯；Granger causalityOdhiambo[15]1971-2006/坦桑尼亚ARDL b ou nds测试；Granger causalityVECMAbosedra等人[16]1995-2005/黎巴嫩Granger causalityChandran等人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-6 08:59:34

[17] 1971-2003/马来西亚ARDL界限测试；英语护林员；约翰森·朱塞利乌斯；Granger CausalityNarayan和Narayan[18]1980-2006/93个国家Granger causalityAhamad和Nazrul[19]1971-2008/孟加拉国Granger causalityBildirici和Kayikci[20]1990-2009/11英联邦独立国家完全修正的普通最小二乘法和面板ARDLBidirectional causalityYang[21]1954-1997/台湾Engle Granger；Granger因果关系VARJumbe[22]1970-1999马拉维Engle Granger；Granger因果关系VECMZachariadis和Pashourtidou[23]1960-2004/塞浦路斯Johansen Juselius；Granger causalityVECMTang[24]1972-2003/马来西亚Granger causalityTang[25]1970-2005/马来西亚ARDL边界测试；Granger causalityOdhiambo[26]1971-2006/南非Johansen Juselius；GrangerLean和Smyth[27]1971-2006/马来西亚A RDL边界测试；Johansen JuseliusOuedraogo[28]1968-2003/布基纳法索ARDL边界测试；GrangerShahbaz等人[29]1971-2009/葡萄牙Granger Causalitykou[30]1971-2008/科特迪瓦Granger causalityGurgul and Lach[31]2000年第1季度至2009年第4季度/波兰Toda YamamotoShahbaz and Lean[32]1972-2009/巴基斯坦Granger causalityNeutralityWolde[33]1971-2001/17个非洲国家ARDL边界测试；Toda-Yamamoto\'scausalityChen等人[34]1971-2001/10亚洲国家Johansen Juselius；Granger causalityNarayan和Prasad[35]1960-2002/30经合组织国家山本东田的因果关系测试Payne[36]1949-2006美国Granger causalityOzturk和Acaravci[37]1980-2006/4欧洲国家ARDL界限测试和Granger causalityOzturk和Acaravci[38]1971-2006 MENA国家ARDL界限测试向量I：关于电力消耗-经济增长关系的文献综述。佩恩[39]通过对实证文献的调查，比较了与电力消费和经济增长之间因果关系相关的各种假设。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 08:59:39

结果表明，31.15%的人支持中性假设；27.87%的研究支持保守假设；22.95%的生长发育不良；反馈假设占18.03%。实证文献中有几项研究是关于电力消费与经济增长之间的因果关系。然而，文献中的结果并不明确，如表1所示。能源经济学文献对能源消费与经济增长之间的因果关系进行了深入研究。不同的研究集中在不同的国家，时间周期、代理变量和不同的生态计量方法被用来确定能源消耗和增长关系。此外，Ozturk[40]详细介绍了能源消耗与经济增长之间关系的文献综述。复杂网络提供了一个基于统计物理概念的非常通用的框架，用于研究具有大量交互资产的系统。这些网络已经能够成功地描述许多现实系统的拓扑特性和特征，如克隆性分析的多位点序列分型[41]、欧洲框架计划中的科学合作[42]、风速相关性分类[43]、巴西期限结构利率[44]，西班牙的国际酒店业[45]，以及对外贸易[46]。此外，最近的文献研究了股票价格相关性产生的网络[47-60]。在本文中，我们关注的是电力消耗，主要目标是描述各国网络的拓扑结构和分类。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-5-6 08:59:42

据作者所知，这是首次使用层次结构方法对电力消耗和经济增长进行研究。本文的目的是利用最小生成树（MST）和层次树（HT）的概念，以低收入国家、中等收入国家和高收入国家为基础，研究1971-2008年间国家之间的关系。从这些树中，可以获得集合c元素之间相关性的几何（通过MST）和分类学（通过HT）信息。注意，theMST和HT是使用皮尔逊相关系数作为时间序列之间距离的度量构建的。此外，我们使用自举技术将可靠性值与MST的链接联系起来。我们还使用平均连锁聚类分析来获得HT。这些方法为确定个别国家潜在的经济或区域因果关系提供了有用的指导。本文的主要结构如下。下一节简要介绍我们工作的经验数据。秒。第三部分旨在介绍该方法。秒。第四部分给出了实证结果。最后，Se c.I提供了一些最终考虑因素。二、数据我们选择了60个低收入、中等收入和高收入国家的电力消费数据。我们使用了从1 971年到2008年的数据周期，并在表2中列出了这些国家及其对应的符号。年度金额从世界银行数据库下载(http://data.worldbank.org/).III.方法在本节中，我们描述了用于分析数据的方法。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 08:59:45

最近的经验和理论分析表明，可用多种方法在相关矩阵中检测有用的经济信息[47、48、50-52、56、57、61-80]。在本文中，我们使用了三种不同的方法，基于分层方法（MSTand HT）、自举技术和ALCA技术。我们将在小节中简要描述这三种不同方法的基本方面。A.最小生成树（MST）和层次树（HT）为了按照Mantegna[47]建议的方法构建MST，应在第一步计算基于电力消耗的两个国家之间的相关系数。基于电力消费的两个国家之间的相关系数定义了两个国家之间一对资产的同步时间演化之间的相似程度。Cij=hRiRji- 赫里·赫吉尔赫里- 赫里Rji- 赫吉, （1）其中，Ri是日志返回时间序列的向量，Ri（t）=ln Pi（t+τ）- ln Pi（t）是对数周转率，Pi（t）是一个国家i（i=1，…，N）在t时的电力消费量。在本文的以下分析中，我们每年取一次τ。我们利用MST在各国之间建立了一个重要的关系网络。MST是图论[81]中的一个理论概念，是使用Kruskal算法[8 2–84]的短t长度的生成树。因此，它是一个没有连接所有节点和链接的循环的图。这种方法被称为多元统计中聚类分析的单链接方法[8 5]。通过选择最重要的对外贸易价格之间的相关性，从图表中生成MST。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 08:59:48

MST将信息空间从N（N-1）/2分离为（N-1）个链接，称为树“边”，同时保留系统的显著特征[74]。因此，MST是一棵树，它有N-1条边，使N个速率的连接加权图中的边距离之和最小化。Mantegna[47]，Mantegna和Stanley[48]表明，相关系数可以转化为距离度量，而距离度量又可以用来描述所分析资产组的层级组织。距离测量dj=q2（1- Cij），（2）其中dijis是速率i和速率j对的距离，它满足欧几里德距离的三个公理[47]。现在，我们可以使用dij的N×N矩阵为一对国家构建一个MST。因此，在使用MST的国家之间建立了一个关系密切的国家网络。MST是图论[81]中的一个理论概念，是使用Krus-kal算法[82–84]的最短长度的生成树。因此，它是一个没有连接所有节点和链接的圈的图。这种方法也被称为多变量统计中的单链接聚类分析方法[8 5]。我们还介绍了超度量距离或最大d∧在连接两国的MST的最短部分内，从第一个国家i移动到最后一个国家j时，在两个连续的国家之间或在rto中遇到的两个国家之间构建HT。（有关更全面的技术讨论，请参见[47-49、51、54、56、57、59]。）等级树通过亚显性超距离来表示国家之间的联系，从表现出最短距离的两个开始。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 08:59:51

连续的国家按距离递增的顺序排列在这棵树的中心。因此，最后一个添加到等级树中的国家是那些与中心国家或共同国家联系最远的国家。B.采用自举技术的链路的稳定性所述方法的主要缺点在于，计算的MST和HT可能不稳定。此外，如果没有进一步的统计分析，我们无法确定MST区域中存在的链路实际上是网络中的重要链路，还是其他统计异常，即结果是否对采样敏感。我们使用Tumminello等人[54,86,87]提出的bootstrap技术，专门用于MST和HT分析，以处理该问题。bootstrap技术由Efron[88]发明，自Felsenstein[89]发表论文以来，该技术已广泛用于系统发育分析，作为一种系统发育层次结构评估方法[90]。该技术用于量化土耳其王国[46]和主要国际及土耳其公司[59]等级结构的统计可靠性。在该技术中，通过使用原始MST和HT，我们从原始数据中构造了一个自举时间序列，同时保持时间序列的长度不变（即观察可能会在捕获的样本中重复）。然后为自举时间序列构造MST和HT，并记录链接。然后检查原始MST中的连接是否也存在于基于自举时间序列的新MST中。我们重复这样的过程1000次，以便我们能够区分原始MST和HT中的连接是强连接还是统计异常[57]。bootstrap值提供了有关agraph每个链接的可靠性的信息。C

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 08:59:54

聚类分析多元复杂系统的时间序列的相关矩阵可用于提取关于此类系统的层次组织的方面的信息。基于相关性的c聚类已被用于根据相关系数矩阵推断股票组合的层次结构[47,49,91]。相关基数据聚类过程还允许相关基网络与相关矩阵相关联。例如，选择MST作为与单连锁聚类分析相关联的基于相关性的网络是很自然的。基于网络的不同相关性可以与同一层次树相关联，强调样本相关性矩阵的不同方面。除最小生成树外，基于相关性的网络的有用示例包括平面最大过滤gra ph[92]和平均链接最小生成树[46,54,59]。我们使用平均连锁聚类分析（ALCA），以便根据地理位置和经济增长更清楚地观察不同国家的聚类。由于ALCA是一种分层聚类方法，Tumminello等人[87]和[46,54,59]详细介绍了该方法，因此我们仅给出了获得的结果。第四节将详细阐述MST和HT的构造。数值结果和讨论在这一节中，我们给出了60个国家1971年至2008年基于电力消费的MST，包括boo ts陷阱值和HT。这些国家被重新划分为三个亚组：低收入国家、中等收入国家和高收入国家。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 08:59:57

我们还使用聚类链接程序研究了聚类结构。我们通过使用Kruskal算法[81–83]来构造基于距离度量矩阵的电消耗的MST。从一个节点（国家）到另一个节点（国家）之间持续存在的链路数量对应于国家之间的电力消耗关系。我们采用bo otstrap技术将统计可靠性的有效性与MST的链路相关联。如果数值接近1，则链路的统计可靠性或应力非常高。否则，统计可靠性或链接强度较低[54,57]。我们还利用平均连锁聚类分析更好地得到了层次树的聚类结构。图1显示了在1971-2008年期间，基于距离度量matr ix，MST采用Mantegna[47]、Mantegna和Stanle y[48]的方法进行电力消耗。在图1中，我们观察了不同国家的不同俱乐部，根据其地理位置和经济增长。在这张图中，我们发现了三个不同的集群：主要是欧盟国家形成了GDP超过30000美元的第一个国家集群；第二个集群主要由一些欧洲和南美ican国家组成；主要是非洲国家组成了GDP低于5000美元的第三大集群。还可以清楚地看到，在MST中，欧盟国家构成了中央结构。据观察，德国是欧盟国家的中心，也是这一时期的主要国家。第一类由DEU、AUT、FRA、ITA、DNK、NLD、ESP、LUX、BEL、IRL、FIN、GBR、SWE、NOR、GRC、USA、JPN、CAN和CHE组成，它们是除美国、JPN、CAN和CHE之外的欧盟国家；因此它是一个异角星团。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 09:00:02

在这个集群中，BEL-NLD、SWE-NOR、AUT-CHL和USA-JPN之间有着密切的关系。我们可以通过这些国家之间链路的bootstr ap值来确定这一事实，这些值分别在0到1的范围内等于1.00、0.91、0.91和0.91；因此，这些国家之间的联系非常紧密。第二个集群由一些欧洲和南美国家组成，即匈奴、波尔、罗马尼亚、BGR、捷克、布拉、阿格、乌里、墨西哥、OMN和NZL。在这个集群中，ng HUN-MEX、BRA-OMN和POL-ROM之间有着很强的关系。我们可以通过国家间链接的bootstr ap值来确定这一点，在从0到1的范围内分别等于1.00、0.87和0.78。第三组主要由非洲国家组成，分为四个子组。第一个子组包括SEN、KEN和ETP，SEN和KEN之间有着密切的关系。我们可以通过SEN和KEN之间链接的自举值来确定这一点，该值在0到1的范围内等于1.00。第二个子组由BEN、BGD和PAK组成，在该子组中，BEN-BGD和BGD-PAK之间链接的引导值分别等于0.83和0.74；因此，这些国家之间的联系非常紧密。（MAR、ZMB和CMR）和（YEM和NPL）分别构成了第三和第四个亚组。另一方面，GHA-ZWE、LUX-CHL、TUR-IND、TUR-VNM和KEN-ETH之间链路的bootstra p值非常低，如图1所示。这意味着这些联系只能显示统计结果。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 09:00:07

值得一提的是，与拉丁美洲、中东、欧洲和北美等其他地区相比，非洲是人均消费率最低的地区之一。非洲的现代能源消耗非常低，严重依赖传统的生物质。与MST有关的亚优势超度量空间a的HT如图所示。2.在两条垂直线之间画一条水平线时，两个国家（线）相连。水平线的高度表示两国连接的超距离。在图2中，我们可以观察到三个星团。FirstCluster由人均GDP超过30000美元的国家组成，包括三个s ub组，即欧盟国家（DEU、AUT、FRA、ITA、BEL、NLD和FIN）、美国和日本，以及瑞典和挪威。ITA和BE L之间的距离b是样本中最小的，表明这两个国家之间的关系最强。第二类主要由欧洲和南美国家组成。在这个集群中，鲁和CZE之间的距离是样本中最小的，表明这两个国家之间的关系最强。第三类主要由非洲国家组成；它还包括两个亚组，即Yem和NPL，以及PAK a和BGD。在HT中，我们使用平均连锁聚类分析（ALCA）来更清楚地观察聚类结构。无花果中的HT。3是根据1971年至2008年期间的用电量数据得出的。当比较HT和ALCA时，观察到相似的团簇结构；然而，阿尔卡俱乐部中的国家数量比HT中的多。例如，HT中有7个国家的人均GDP超过30000美元，而ALCA中有17个国家，这可以通过对比图进行验证。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 09:00:10

图2和图3。此外，非洲国家集团更加明确。因此，我们发现使用ALCA可以更有效地获得团簇结构。该研究的总体结果表明，即使在一些个别国家，能源消费与经济增长之间也存在着强烈的关系，而且还检测到了三个不同的集群：主要是欧盟国家形成了GDP超过3万美元的第一个国家集群；第二个集群主要由一些欧洲和南美国家组成；主要是非洲国家形成了GDP低于5000美元的第三个集群。换句话说，有证据表明，在本研究所考虑的三个群体中，能源消耗导致经济增长。因此，所有国家都应该采取更强有力的节能政策。此外，在制定能源消费政策时，决策者应考虑各国的经济增长程度。V.总结和结论越来越多的文献研究了能源消耗与经济增长之间的关系。这篇文献的大部分集中在发展中国家、发达国家和新兴国家。政策制定者必须理解能源消费和经济增长之间的关系，以便设计有效的能源和环境政策。从这些研究中得出的一个普遍结论是，文献中对能源消耗和经济增长之间的因果关系的存在性或方向没有达成共识。本文试图通过使用MST的概念（包括bootstrap值）和1971-2008年期间的HTT，重新审视60个国家的能源消耗和经济增长之间的密切关系，反之亦然。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

可人4

2022-5-6 09:00:13

我们还将这些国家分为三个子群体：低收入群体、中等收入群体和高收入群体国家。我们获得了树木的聚类结构，并根据地理位置接近度和经济增长确定了不同国家的聚类。从这些树的拓扑结构来看，我们发现欧盟国家处于网络的中心，引导值表明它们彼此紧密相连。我们还发现，这些国家在世界电力消费中发挥着重要作用。此外，与拉丁美洲、中东、欧洲和北美等其他地区相比，非洲国家的能源消耗较低。我们使用boots-trap技术将统计可靠性的值与MST的链接关联起来，以获得关于树的每个链接的统计可靠性的信息。从bootstrap技术的结果中，我们可以看到，一般来说，MST中的bootstrap值是高度一致的。我们还使用平均连锁聚类分析来更清楚地获得层次树的聚类结构。通过对实证文献的调查，结果与城市电力消费与经济增长之间的因果关系吻合良好。这项研究的发现具有重要的政策意义，表明这个问题在未来的研究中仍然值得进一步关注。最后，对于政策制定者来说，了解能源消耗和经济增长之间的关系对于设计有效的能源和环境政策是很重要的。参考文献[1]台湾的电力消耗和经济增长。2002年能源政策；30:125–129.[2] 纳拉扬PK，斯迈思R。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-6 09:00:17

澳大利亚的电力消费、就业和实际收入来自多变量因果关系测试的证据。恩伯格政策。2005;33:1109-16。[3] Yoo SH，Kim Y，印度尼西亚的发电和经济增长。能源2006；31:2890-2899.[4] 何西，小西。香港电力消费与GDP的动态平衡：一项实证研究。能源政策。2007;35:2507-13.[5] Mozumder P，Maraaa.孟加拉国电力消费和GDP之间的因果关系。能源政策。2007;35:395-402.[6] Jamil F，Ahmad E.《巴基斯坦电力消费、电价和GDP之间的关系》。能源政策。2010;38:6016-25.[7] 来自巴基斯坦的经验证据。夸夸特。2012;46:1583-99.[8] Aqeel A，Butt女士，《巴基斯坦能源消耗与经济增长之间的关系》。《2001年亚太发展杂志》；8:101-109.[9] 邵A，林PL.中国的电力消费和经济增长。能源政策。2004;32:47-54.[10] 《电力消耗与经济增长：来自土耳其的证据》。恩尔格经济。2005;27:849-56.[11] 李聪聪，张春平。结构断裂、能源消耗与经济增长：台湾的证据。能源经济。2005;27:857-72.[12] Yoo-SH，《电力消耗与经济增长：来自韩国的证据》。2005年能源政策；33:1627-1632.[13] Narayan PK，Singh B.斐济群岛的电力消耗和GDP关系。能源经济。2007;29:1141-50.[14] 袁杰，赵驰，余斯克，胡志刚。中国电力消费与经济增长：协整与协特征分析。能源经济。2007;29:1179-91.[15] Odhiambo纳米。坦桑尼亚的能源消耗和经济增长关系：AR-DL边界测试方法。能源政策。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 09:00:20

2009;37:617-22.[16] Abosedra S，Dah A，Ghosh S，电力消耗和经济增长，黎巴嫩案例。应用能量200；86:29432.[17] Chandran VGR，Sharma S，Madhavan K.电力消费增长关系：马来西亚案例。能源政策。2010;38:606-12.[18] Narayan PK，Narayan S，Popp S，能源消耗与GDP关系的长期弹性注释。应用能源2010；87:1054-1057.[19] Ahamad MG，伊斯兰教AKMN。孟加拉国的电力消费和经济增长关系：重新审视证据。能源政策。2011;39:6145-50.[20] 《前苏联共和国的经济增长和电力消耗》。能源经济。2012;34:74753.[21]杨希，关于台湾能源和GDP之间因果关系的注释。能源经济学2000；22:309-317.[22]大型CBL。电力消费和GDP之间的协整和因果关系：来自马拉维的经验证据。能源经济。2004;26:61-8.[23]Zachariadis T，Pashourtidou N.塞浦路斯电力消耗的实证分析。能源经济。2007;29:183-98.[24]Tang CF.重新审视马来西亚电力消费与经济增长之间的关系。能源政策。2008;36:3077-85.[25]Tang CF，马来西亚的电力消费、收入、外国直接投资和人口：多变量框架分析的新证据。经济研究杂志2009；4:371-382.[26]Odhiambo纳米。南非的电力消耗和经济增长：一项三变量因果关系检验。能源经济。2009;31:635-40.[27]Lean HH，Smyth R.马来西亚总产出、电力消耗和出口的动态：来自多元格兰杰因果检验的证据。Appl Energ。2010;87:1963-71.[28]韦德拉奥戈。布基纳法索的电力消费和经济增长：协整分析。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 09:00:23

能源经济。2010;32:524-31.[29]Shahbaz M，Tang CF，Shabbir女士。使用协整和因果关系方法研究葡萄牙的电力消费和经济增长关系。能源政策。2011;39:3529-36.[30]Kouakou AK。科特迪瓦的经济增长和电力消耗：来自时间序列分析的证据。能源政策。2011;39:3638-44.[31]Gurgul H，Lach L.波兰经济的电力消耗与经济增长。能源经济。2012;34:500-10.[32]Shahbaz M，Lean HH。电力消费和经济增长的动态：巴基斯坦对其因果关系的重新研究。能量2012;39:146-53.[33]Wolde Rufael Y.电力消耗和经济增长：17个非洲国家的时间序列经验。能源政策。2006;34:1106-14.[34]陈街，郭嗨，陈抄送。10个亚洲国家的GDP和电力消耗之间的关系。能源政策。2007;35:2611-21.[35]Naraya，PK，Prasad A，电力消费——实际GDP因果关系：来自30个经合组织国家的自举因果关系测试的证据。2008年能源政策；36:910-918.[36]佩恩·杰。能源消耗和产出的动态。Appl Energ。2009;86:575-7.[37]Ozturk I，Acaravci A.阿尔巴尼亚、保加利亚、胡恩加里-安德罗马尼亚州能源消耗与GDP之间的因果关系：来自ARDL约束测试方法的证据。Appl Energ。2010;87:1938-43.[38]Ozturk I，Acaravci A.电力消耗与实际GDP因果关系：来自11个MENA国家ARDL边界测试方法的证据。阿普尔恩伯格。2011;88:2885-92.[39]佩恩·杰。对电力消耗增长文献的调查。Appl Energ。2010;87:723-31.[40]Ozturk I.关于能源增长关系的文献综述。能源政策。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 09:00:27

2010;38:340-9.[41]Chen KW，Chen YC，Lo HJ，Loss FC，Wang TH，Lin CY，Li SY，台湾白念珠菌株克隆性分析的多位点序列分型。J.克林。微生物学。44:2172-2178.[42]Garas A，Argyrakis P.欧洲框架项目科学合作的网络方法。EPL（欧洲物理学通讯）。2008;84:68005.[43]比沃纳S，博南诺G，伯伦R，古雷拉D，利昂C.风速相关性的分类——在西西里地区的应用。物理统计力学及其应用。2008;387:5910-5.[44]塔巴克BM，塞拉TR，卡朱埃罗道。利率预期假说与网络理论：巴西案例。物理统计力学及其应用。2009;388:1137-49.[45]Brida JG、Esteban LP、Risso WA、Devesa MJ等。西班牙的国际酒店业：其等级结构。旅游管理。2010;31:57-73.[46]Kantar E，Devilen B，Keskin M.土耳其对外贸易的等级结构。物理学——统计力学及其应用。2011;390:3454-76.[47]Mantegna RN。金融市场的等级结构。《欧洲物理学杂志》，1999年；11:193-7.[48]Mantegna RN，Stanley HE，2000年。《金融中的经济物理学相关性和复杂性导论》剑桥大学出版社，剑桥。[49]博南诺G、卡尔达雷利G、利洛F、曼蒂格纳RN。真实市场和模型市场中基于相关性的最小sp an-ning树的拓扑结构。Phys R ev E.2003；68.[50]伯南诺G，范德维尔N，曼特涅RN。股票市场指数分类法。Phys Rev E.2000；62:R7615-R8。[51]Onnela JP，Chak raborti A，Kaski K，Kertesz J，Kanto A.D.市场相关性动力学：分类学和投资组合分析。Phys Rev E.2003；68.[52]Onnela JP，Chakraborti A，Kaski K，Kertesz J.动态资产树和黑色星期一。Physica A.2003；324:247-52.[53]郑WS，蔡S，杨JS，莫安HT。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-5-6 09:00:32

韩国股市相关性的特征。Physica A.2006；361:263-71.[54]图米内洛M、科隆内洛C、利洛F、米奇奇S、曼特尼亚RN。基于相关网络的生成树和自举可靠性估计。Int J分叉混沌。2007;17:2319-29.[55]郑WS、权澳、王F、凯佐吉T、文浩、何鸿燊。日本市场的集团动态。Physica A.2008；387:537-42.[56]冯XB，王XF。亚洲货币网络的进化拓扑。《国际物理杂志》2010年版；21:471-80.[57]凯斯金M、德维伦B、科卡普兰Y。使用层次结构方法分析主要货币之间的关联网络拓扑。Physica A。2011;390:719-30.[58]Keskin，M，Devilen，B，Kantar，E，复杂系统顾问，提交。[59]Kantar E，Dev iren B，K esk in M.通过分层方法和bootstrap方法对主要国际公司和土耳其公司进行调查。《欧洲物理学杂志》，2011年；84:339-50.[60]Kantar E，Keskin M，Devilen B.使用分层方法分析全球金融危机对土耳其经济的影响。Physica A.2012；391:2342-52.[61]水野T、高安H、高安M.货币之间的关联网络。Physica A.2006；364:336-42.[62]Ortega GJ，Matesanz D.跨国等级结构和货币危机。《国际物理杂志》，2006年；17:333-41.[63]Brida JG，Gomez DM，Risso WA。货币市场的符号层次分析：传染引发危机的应用。专家系统应用。2009;36:7721-8.[64]Naylor MJ，Rose LC，Moyle BJ。外汇市场的拓扑结构采用层次结构方法。Physica A.2007；382:199-208.[65]博南诺G、卡尔达雷利G、利洛F、米奇奇S、范德维尔N、曼特尼亚RN。金融市场中的股票网络。EurPhys J B.2004；38:363-71.[66]Vandewalle N，Brisbois F，Tordoir X，股票市场的非随机拓扑。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-5-6 09:00:36

2001年量化金融；1:372-374.[67]Brida JG，Risso WA。北美30家最大公司的动态和结构。计算机经济。2010;35:85-99.[68]Eom C，Oh G，Kim S.韩国和美国股市中极小生成树的拓扑性质。韩国物理学会。2007;51:1432-6.[69]Brida JG，Risso WA。意大利主要公司的动态和结构。国际物理杂志，2007年；18:1783-93.[70]Brida JG，Risso WA，基于回报和交易量的意大利股市动态和结构。2009年经济公报；29:2420-2426.[71]Garas A，rgyrakis P.雅典证券交易所的相关性研究。Physica A.2007；380:399-410.[72]Brida JG，Risso WA。德国股票市场的等级结构。专家系统应用。2010;37:3846-52.[73]科埃霍R、吉尔摩CG、鲁西B、里士满P、哈茨勒S.世界股票市场相互依存关系的演变来自最小生成树的证据。Physica A.2007；376:455-66.[74]吉尔摩CG、Lucey BM、Boscia M.更紧密的联盟？通过最小生成树研究欧洲股票市场联系的演变。Physica A.2008；387:6319-29.[75]Sieczka P，Holyst JA。商品市场的相关性。Physica A.2009；388:1621-30.[76]塔巴克BM，塞拉TR，卡朱埃罗道。商品网络的拓扑性质。《欧洲物理学杂志》，2010年；74:243-9.[77]Onnela JP，Chakraborti A，Kaski K，Kertesz J.动态资产树和投资组合分析。《欧洲物理学杂志》，2002年；30:285-8.[78]Onnela JP、Chakraborti A、Kaski K、Kertesz J、Kanto A.金融市场中的资产树和资产图。物理脚本。2003;T106:48-54。[79]米奇奇S、博南诺G、利洛F、曼蒂格纳RN。价格收益率和波动率的最小跨度树的稳定性。Physica A.2003；324:66-73.[80]科埃略R、赫茨勒S、雷佩托维茨P、里士满P.富时证券投资组合的行业分析。物理A。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝