MétaCan
Menu
Retour à la cohorte
Enregistrement W2767664429 · doi:10.1186/s40008-017-0091-x

Border adjustments under unilateral carbon pricing: the case of Australian carbon tax

2017· article· en· W2767664429 sur OpenAlexaboutno aff
Mahinda Siriwardana, Judith McNeill

Notice bibliographique

RevueJournal of Economic Structures · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research Council
Mots-clésCarbon taxEconomicsCarbon fibersInternational economicsTransfer pricingGreenhouse gasGeologyOceanographyFinance

Résumé

récupéré en direct d'OpenAlex

In the absence of a global agreement to reduce emissions, Australia adopted a carbon tax unilaterally to curb its own emissions. During the debate prior to passing the carbon tax legislation in 2011, there were concerns about the challenge that Australia’s emissions-intensive and trade-exposed (EITE) industries may face in terms of decreasing international competitiveness due to the unilateral nature of the tax and hence the potential for carbon leakage. In order to address these concerns, this paper explores possible border adjustment measures (BAMs) to complement the domestic carbon regulation in Australia using the multi-sector computable general equilibrium approach. We consider four border adjustments: border adjustments on imports based on domestic emissions; border adjustments on exports via a rebate for exports; a domestic production rebate; and full border adjustment on both exports and imports. We compare the numerical simulation results of these scenarios with a no border adjustments scenario from the standpoint of welfare, international competitiveness and carbon leakage. The key finding is that BAMs have a very small impact on the overall economy and on EITE sectors. In other words, the different BAMs have minimal impact on the outcomes of carbon pricing policy. This finding is consistent with studies for EU, USA, Canada and other countries. Hence, we conclude that the border adjustments are ineffective instruments to safeguard EITE industries in Australia.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,805

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,090
Tête enseignante GPT0,322
Écart entre enseignants0,232 · 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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economic StructuresMême sujetClimate Change Policy and EconomicsTravaux en français237 207