MétaCan
Menu
Retour à la cohorte
Enregistrement W2151763352 · doi:10.1111/j.1937-5956.2007.tb00294.x

Compliance Strategies under Permits for Emissions

2007· article· en· W2151763352 sur OpenAlexafffund
Ravi Subramanian, Sudheer Gupta, F. Brian Talbot

Notice bibliographique

RevueProduction and Operations Management · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensSimon Fraser University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill UniversityU.S. Environmental Protection Agency
Mots-clésCournot competitionCommon value auctionBiddingMicroeconomicsMarginal valueProfit (economics)EconomicsIndustrial organizationCompetition (biology)Market powerFunction (biology)Value (mathematics)BusinessComputer scienceMonopoly

Résumé

récupéré en direct d'OpenAlex

We characterize the trade‐offs among firms' compliance strategies in a market‐based program where a regulator interested in controlling emissions from a given set of sources auctions off a fixed number of emissions permits. We model a three‐stage game in which firms invest in emissions abatement, participate in a share auction for permits, and produce output. We develop a methodology for a profit‐maximizing firm to derive its marginal value function for permits and translate this value function into an optimal bidding strategy in the auction. We analyze two end‐product market scenarios independent demands and Cournot competition. In both scenarios we find that changing the number of available permits influences abatement to a lesser extent in a dirty industry than in a cleaner one. In addition, abatement levels taper off with increasing industry dirtiness levels. In the presence of competition, firms in a relatively clean industry can, in fact, benefit from a reduction in the number of available permits. Our findings are robust to changes in certain modeling assumptions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil0,309

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)0,0000,000

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 Opus0,178
Tête enseignante GPT0,283
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

Citations5
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProduction and Operations ManagementMême sujetEconomic and Environmental ValuationTravaux en français237 207