MétaCan
Menu
Retour à la cohorte
Enregistrement W1878679657 · doi:10.1561/102.00000043

Absorptive Capacity, R&D Spillovers, Emissions Taxes and R&D Subsidies

2014· article· en· W1878679657 sur OpenAlexaff
Slim Ben Youssef, Georges Zaccour

Notice bibliographique

RevueStrategic Behavior and the Environment · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésSubsidyAbsorptive capacityEconomicsChemistryIndustrial organizationMarket economy

Résumé

récupéré en direct d'OpenAlex

In this paper, we consider a duopoly competing on quantity, where firms can invest in R8D to control their emissions. We distinguish between efforts carried out to acquire first-hand knowledge (inventive R8D) and efforts made to develop an absorptive capacity to be able to capture part of the knowledge developed by the rival. There are also free R8D spillovers between firms. To reach the first best outcome, the regulator uses three instruments, namely, a per-unit emissions tax, a per-unit inventive-research subsidy, and a per-unit absorptive-research subsidy. The socially optimal investment cost in inventive R8D is always higher than that in absorptive R8D. Interestingly, when the free spillover is high enough, the regulator gives a greater per-unit subsidy for inventive research, and when it is low enough and the marginal damage cost of pollution is sufficiently high, the regulator supports absorptive research to strengthen R8D spillovers. Moreover, inventive research is actually taxed when the free spillover is low and the marginal damage cost of pollution is high.

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 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 enseignants0,258
Score d'incertitude au seuil0,660

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)0,0010,000

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 Opus0,136
Tête enseignante GPT0,242
Écart entre enseignants0,105 · 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.

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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic Behavior and the EnvironmentMême sujetClimate Change Policy and EconomicsTravaux en français237 207