MétaCan
Menu
Retour à la cohorte
Enregistrement W1600610082 · doi:10.32920/ryerson.14639670.v1

Foreign Direct Investment and the Choice of Environmental Policy

2021· preprint· en· W1600610082 sur OpenAlexaff
Paul Missios, Halis Murat Yildiz, Ida Ferrara

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensToronto Metropolitan UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésForeign direct investmentPollution haven hypothesisProfit (economics)IncentiveInternational economicsEnvironmental policyEnvironmental pollutionInternational tradeBusinessOligopolySubsidyHavenEconomicsOrder (exchange)Natural resource economicsMarket economyEnvironmental protectionWelfareMacroeconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

We use a simple two-country oligopoly model of intra-industry trade to examine the implications of foreign direct investment for the pollution haven hypothesis and environmental policy. Countries which lower environmental standards to be more competitive in world markets generate pollution havens if environmental policy is exogenous. However, if FDI is a viable option as a mode of entry, profit-shifting considerations weaken in favour of environmental considerations and FDI recipients tighten environmental policy, reducing incentives to relocate production. Interestingly, when countries are sufficiently similar in their environmental awareness, "grey" countries can become greener than originally "green" countries but firms in the latter still engage in FDI in the former, in spite of the stricter standard they face, in order to level the playing field. We derive conditions under which FDI-receiving countries have incentives to manipulate their environmental standards to prevent or attract FDI, potentially eliminating or creating pollution havens.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,022
Tête enseignante GPT0,203
Écart entre enseignants0,181 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy, Environment, Economic GrowthTravaux en français237 207