MétaCan
Menu
Retour à la cohorte
Enregistrement W1508552102 · doi:10.22004/ag.econ.46380

Who Owns Carbon? Property Rights Issues in a Market for Greenhouse Gases

2006· article· en· W1508552102 sur OpenAlexaboutno aff
Travis Allan, Katherine R. Baylis

Notice bibliographique

RevueAgEcon Search (University of Minnesota, USA) · 2006
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasKyoto ProtocolProperty rightsIncentiveEmissions tradingBusinessJurisdictionCarbon creditNatural resource economicsEnvironmental economicsLaw and economicsEconomicsPublic economicsPolitical scienceMarket economyLawMicroeconomics

Résumé

récupéré en direct d'OpenAlex

With the Kyoto Protocol having come into force on February 16, 2005, participating nations face a pressing deadline to develop systems to reduce their emissions of greenhouse gases (GHGs). Any form of GHG reduction that includes a trading component will involve a change in the definition and/or allocation of property rights attached to emission credits, and any change in property rights will affect the ability of governments to efficiently reduce GHGs. Creation of property rights for carbon is complicated by the need to balance 1) clear incentives for firms to invest in emissions reduction with 2) unintentional creation of a lasting right to pollute. In particular, Canada’s federalist system poses some unique difficulties for policy makers in designing property rights over carbon. The purpose of this article is to explore the role of property rights in economic GHG reduction schemes, specifically in terms of jurisdiction and allocation, and their relationship to economic efficiency. The article identifies and discusses a number of property rights issues that need to be addressed when establishing an emissions trading regime in Canada.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,604

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,020
Communication savante0,0130,016
Science ouverte0,0010,002
Intégrité de la recherche0,0100,006
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,065
Tête enseignante GPT0,237
Écart entre enseignants0,171 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations4
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgEcon Search (University of Minnesota, USA)Même sujetClimate Change Policy and EconomicsTravaux en français237 207