MétaCan
Menu
Retour à la cohorte
Enregistrement W2031999112 · doi:10.1111/j.1467-8292.2007.00346.x

AGENCY COSTS OF THIRD‐PARTY FINANCING AND THE EFFECTS OF REGULATORY CHANGE ON UTILITY COSTS AND FACTOR CHOICES

2007· article· en· W2031999112 sur OpenAlexaboutno aff
Francis J. Cronin, Stephen A. Motluk

Notice bibliographique

RevueAnnals of Public and Cooperative Economics · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Power System Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRestructuringAgency costAgency (philosophy)FinanceProductivityBusinessCapital (architecture)EconomicsRegulatory agencyDistribution (mathematics)Public economicsIndustrial organizationCorporate governanceShareholderMacroeconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT ** : Beginning in 1999, the Canadian Province of Ontario undertook restructuring and tried to implement performance based regulation for local electricity distribution utilities. Regulatory parameters were based on productivity research covering 1988–1997 that found little productivity difference by size, but wide variations in costs, factor mix, financing, and returns to capital among utilities. While some utilities questioned their ability to improve efficiency, other observers maintained many utilities were over‐capitalized, especially from third‐party financing paid by customers for connection/development charges; these observers noted that rates, profits, and valuations would be inflated. Despite its pervasive use, we can find no literature dealing with the implications of third‐party funding. We assess the effects and adjustment dynamics of regulatory and financing changes on costs, factor mix, and performance.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil0,364

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,250
Écart entre enseignants0,217 · 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'étudeObservationnel
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Public and Cooperative EconomicsMême sujetElectric Power System OptimizationTravaux en français237 207