Environmental Impact, Export Intensity, and Productivity Interactions: An Empirical Index Analysis of the Agri‐Food Industry in Spain
Notice bibliographique
Résumé
Recent studies have focused on how exports affect environmental performance or vice versa, while others have concentrated on the productivity of export‐oriented firms. The objective of the present paper is to provide a simultaneous analysis on the aforementioned relationships. The approach followed is a composite equation model in which export performance and productivity components, including an environmental indicator, are endogenously determined, taking as reference exporting firms of the food industry in Southeast Spain, for the period 1994–2006. The results show positive interactions among export intensity, firm efficiency, and environmental productivity, also suggesting that the consideration of endogeneity may enhance the findings of analyses on these issues. Des études récentes se sont concentrées sur les effets des exportations sur la performance environnementale ou vice‐versa, tandis que d’autres se sont concentrées sur la productivité des entreprises à vocation exportatrice. Le présent article vise à fournir une analyse simultanée des liens précités. Nous avons utilisé un modèle àéquations multiples dans lequel les éléments liés à la performance des exportations et à la productivité, y compris un indicateur environnemental, sont déterminés de façon endogène, en prenant comme référence des entreprises agroalimentaires à vocation exportatrice situées dans le sud‐est de l’Espagne, durant la période de 1994 à 2006. Les résultats montrent des interactions positives entre l’intensité des exportations, l’efficacité des entreprises et la productivité environnementale, ce qui autorise à penser que l’endogénéité pourrait améliorer les résultats des analyses sur ces points.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».