MétaCan
Menu
Retour à la cohorte
Enregistrement W1516213225 · doi:10.7202/602201ar

Le coût implicite de la pollution industrielle imputé aux entreprises

2009· article· fr· W1516213225 sur OpenAlexaffvenueabout
Denis Cormier, Michel Magnan, Bernard Morard

Notice bibliographique

RevueL Actualité économique · 2009
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueFinancial Reporting and Valuation Research
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésEconomicsValuation (finance)Welfare economicsStock marketHumanitiesFinancePhilosophyGeography

Résumé

récupéré en direct d'OpenAlex

L’objet de la présente recherche est de quantifier l’incidence sur la valeur d’une entreprise de la prise en compte, par les investisseurs, de son bilan environnemental. Il est présumé qu’un coût implicite est imposé à chaque entreprise par les marchés boursiers selon la qualité de son bilan environnemental. Ce coût implicite n’apparaît pas aux états financiers de l’entreprise, mais son existence peut avoir des conséquences explicites sur sa performance financière future. La relation statistique entre le bilan environnemental d’une firme, mesuré par son niveau de pollution, et sa valeur boursière est quantifiée au moyen de deux modèles de valorisation : un premier modèle est basé sur l’équation comptable fondamentale (bilan) et un second, sur le bénéfice comptable, alors considéré comme indice de valeur. L’échantillon comprend des entreprises canadiennes cotées à la Bourse en provenance de trois secteurs d’activité différents. Pour les secteurs des pâtes et papiers, des produits chimiques et des raffineries, il apparaît que le marché attribue un coût implicite important à une mauvaise performance environnementale. Toutefois, pour le secteur de l’acier, des métaux et des mines, les résultats sont plus mitigés. En outre, il semble que le multiple de valorisation du bénéfice est plus élevé (plus faible) pour les entreprises (ne) se conformant (pas) aux normes environnementales.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,803
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,050
Tête enseignante GPT0,306
Écart entre enseignants0,256 · 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'étudeSans objet
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

Citations0
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueL Actualité économiqueMême sujetFinancial Reporting and Valuation ResearchTravaux en français237 207