MétaCan
Menu
Retour à la cohorte
Enregistrement W2942184094 · doi:10.3390/en12081557

Economies of Scale in the South Korean Natural Gas Industry

2019· article· en· W2942184094 sur OpenAlexaboutno aff
Jeong-Joon Yu, Seung‐Hoon Yoo, Chulwoo Baek

Notice bibliographique

RevueEnergies · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiseconomies of scaleMonopolistic competitionQuarter (Canadian coin)Economies of scaleNatural gasEconomicsScale (ratio)Agricultural economicsBusinessProduction (economics)CorporationEconomyMonopolyMarket economyFinanceGeographyMicroeconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

The South Korean natural gas (NG) import volume in 2017 was 33.7 million tonnes per annum (13.1%), making it the second-largest NG-importing country in the world after Japan. Nevertheless, the NG wholesale market in South Korea has remained monopolistic since the Korea Gas Corporation (KOGAS) was established in 1983. Thus, the purpose of this study is to determine whether the NG wholesale market in South Korea has economies of scale by estimating the translog cost function and estimating the minimum efficient scale (MES) using robust linear regression. We used quarterly business reports of KOGAS from the first quarter of 2000 to the second quarter of 2018 to construct the data. The results showed that diseconomies of scale existed in all the years in the first and fourth quarters, and the second quarter showed the same result during 2010–2014. From 2011, the production quantity of all the quarters has exceeded the MES (5.81 million tons). The reason for these results is that the demand for NG power generation and city gas has surged since 2000, while the monopolistic structure of the past has been maintained. This study implies that it would be more efficient to allocate some of KOGAS’s additional import volume to the existing private NG companies and mitigate the regulation on resale.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,197 · 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'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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207