MétaCan
Menu
Retour à la cohorte
Enregistrement W2891470353 · doi:10.3386/w14711

International Trade and the Negotiability of Global Climate Change Agreements

2009· preprint· en· W2891470353 sur OpenAlexaff
Yuezhou Cai, Raymond Riezman, John Whalley

Notice bibliographique

RevueNational Bureau of Economic Research · 2009
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésInternational tradeClimate changeBusinessGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Country incentives to participate in cooperative arrangements which either fully or partially internalize climate change externalities from carbon emissions involve critical asymmetries.Small countries trade off own country costs of carbon mitigation actions against their own benefits from global improvements in climate which benefit all.Small countries thus have limited incentive to participate as their actions, while costly to them, have a significant impact on global temperature change which mainly benefits others.Here we build on the work of Shapley and Shubik (1969) which suggests that the core of a global warming game without transferable utility may be empty and use numerical simulation methods to analyse country incentives to participate in carbon emission limitation negotiations using a micro global warming structure related to that used by Uzawa(2003).We discuss how the presence of international trade in goods affects the willingness of countries to join international negotiations on climate change.We calibrate our simulation structure to business as usual scenarios for the period 2006-2036.We go significantly beyond the PAGE model relied on in the Stern (2006) report in capturing multi-country interactive effects on the benefit side of climate change mitigation.We show how the perceived severity of global climate change damage influences participation decisions, and importantly how international trade makes participation more likely.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0060,006
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0300,001

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.

Tête enseignante Opus0,502
Tête enseignante GPT0,486
Écart entre enseignants0,016 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetClimate Change Policy and EconomicsTravaux en français237 207