MétaCan
Menu
Retour à la cohorte
Enregistrement W2156305868

REGULATION AND DEREGULATION: PROPERTY RIGHTS ALLOCATION ISSUES IN THE DE REGULATION OF COMMON POOL RESOURCES

2007· preprint· en· W2156305868 sur OpenAlexaboutno aff
Gary D. Libecap

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeregulationLotteryPossession (linguistics)Property rightsCommon value auctionCommon-pool resourceOrder (exchange)BusinessNatural resourceEconomicsPublic economicsLaw and economicsMarket economyMicroeconomicsPolitical scienceFinanceLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Rights-based institutions have been adopted for certain natural resources in order to more effectively mitigate the losses of the common pool. Past central government (command and control) regulation has not proved satisfactory. In deregulation, a major issue has been the assignment of those rights and controversy over it has slowed the process. In this paper, I examine three different allocation rules: first-possession, lottery or uniform allocation, and auction and draw predic tions as to when they might be adopted and why they are controversial. I analyze the assignment and nature of the rights granted for common-pool resources where deregulation has occurred: oil and gas unit shares, emission permits, and selected fishery ITQ’s in six countries (Australia, Canada, Chile, Iceland, New Zealand, and the U.S). I find that firstpossession rules dominate where there are incumbent users. Lotteries and auctions are rarely used. I discuss criticisms of first-possession rules and argue that first-possession is likely more efficient than previously recognized. Accordingly, restrictions on such allocations as part of deregulation (rights set-asides for particular groups and exchange limitations) may be costly in the long run for addressing the problems of the common pool.

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)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,042
Tête enseignante GPT0,287
Écart entre enseignants0,245 · 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.

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

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207