Are Hazardous Substance Rankings Effective? An Empirical Investigation of Information Dissemination About the Relative Hazards of Chemicals and Emissions Reductions
Notice bibliographique
Résumé
Problem definition: Whether information dissemination about chemical hazards drives managers at facilities to undertake corresponding environmental actions, remains an open question that has not been adequately examined in the literature. Academic/practical relevance: We fill this gap in the literature by empirically investigating reductions in chemical emissions by facilities in relation to changes in the assessed hazard levels of chemicals evidenced in periodically-updated public information. We also examine the moderating effects of operational leanness—an attribute that prior studies have shown to be associated with better environmental performance—in our setting wherein the assessed hazard levels of chemicals change over time. Methodology: We draw data from four U.S. sources—the Substance Priority List from the Agency for Toxic Substances and Disease Registry, the Toxics Release Inventory from the EPA, the National Establishment Time-Series, and Compustat. We employ a panel model with facility-chemical- and time-fixed effects. Results: We find that public information dissemination on chemical hazards is effective, as indicated by the significant association between increases in the assessed hazard levels of chemicals and greater subsequent emissions reductions. Specifically, we find that facilities reduce emissions by an additional 4.28% on average, and their use of source reduction increases by 3.07% on average when the relative assessed hazard level of a chemical increases compared to when it decreases. We find that, overall, leaner facilities outperform less lean facilities with respect to emissions reductions. However, when the assessed hazard level increases, less lean facilities increase their emissions reductions more than leaner facilities. Managerial implications: Our findings provide insights for managers prioritizing environmental actions, including the extent of emissions reductions achievable by practicing lean. Our results can also be leveraged by governmental/nongovernmental organizations to anticipate responses to informational updates on chemical hazards, depending on characteristics of the affected facilities.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,163 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».