The Global Energy, CO2 Emissions, and Economic Impact of Vehicle Fuel Economy Standards
Notice bibliographique
Résumé
Fuel economy standards have been recently tightened in the United States and Europe, and have been adopted in Japan, Korea, China, Australia, and Canada. This analysis uses a global computable general equilibrium model to analyze the combined effect of existing national or regional fuel economy standards on global demand for petroleum-based fuels, CO2 emissions, and welfare. We also examine the impact of more aggressive targets for fuel economy through 2050 for all regions, and compare it to a market-based (cap-and-trade) instrument that achieves identical reductions. We find that while fuel economy standards reduce demand for petroleum-based refined fuels and lead to a net decrease in global CO2 emissions, the standards are not cost effective in part because they indirectly subsidize the use of these fuels in unconstrained sectors and regions. Refined oil demand even increases in India, Indonesia (Rest of East Asia), and Africa due to lower refined oil prices, as fuel economy standards reduce demand in other parts of the world. Fuel economy standards are also a relatively expensive way of reducing global CO2 emissions—year-on-year consumption loss reaches 10% in 2050 with fuel economy standards, as opposed to 6% by 2050 with a global cap-and-trade system that achieves comparable total CO2 reductions. This study underscores how the effects of national and regional fuel economy standards can propagate through global fuels markets to offset petroleum or CO2 reductions at the global level, as well as lead to surprising outcomes in unconstrained countries or regions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».