MétaCan
Menu
Retour à la cohorte
Enregistrement W135552909

FOREIGN DIRECT INVESTMENT AND AIR POLLUTION IN CHINA: EVIDENCE FROM CHINESE CITIES

2008· article· en· W135552909 sur OpenAlexaff
Jie He

Notice bibliographique

RevueRegion et Developpement · 2008
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésForeign direct investmentPollutionChinaPanel dataAir pollutionGeneralized method of momentsScale (ratio)Order (exchange)Environmental scienceEstimatorEconometricsBusinessEconomicsNatural resource economicsGeographyMathematicsStatisticsMacroeconomicsChemistry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In order to gain deeper insight into the impacts of FDI on the air pollution situation in Chinese cities, I construct a simultaneous system. This system supposes the air pollution indicators to be determined by economic scale, industrial composition and technical characters of a city and in turn, FDI entry can affect the production scale, structure transformation and technical progress in pollution abatement activities. This system is tested for two air pollution cases in China: the annual average concentration of SO2 and total suspended particles (TSP). Based on a panel database of 80 cities (1993-2001), the system is estimated by the Generalized Method of Moment (GMM) estimator for simultaneous system. The fixed effect estimator and the method of Anderson and Hsiao (1982) are included to take into account the city’s specific effect and the potential first-order autocorrelation respectively. The results show that although there exist various channels through which FDI affects pollution, the impacts of FDI on pollution are mainly exerted through scale and technical effects. Corresponding to similar studies, the total environmental impacts of FDI in both pollution cases are proven to be very small.

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.

Comment cette classification a été obtenuedéplier

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,017
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,045
Tête enseignante GPT0,222
Écart entre enseignants0,177 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRegion et DeveloppementMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207