MétaCan
Menu
Retour à la cohorte
Enregistrement W3112689802 · doi:10.1080/01605682.2020.1843980

Regulatory jurisdiction and policy coordination: A bi-level modeling approach for performance-based environmental policy

2020· article· en· W3112689802 sur OpenAlexaff
Makoto Tanaka, Yihsu Chen, Afzal S. Siddiqui

Notice bibliographique

RevueJournal of the Operational Research Society · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésStylized factJurisdictionScope (computer science)EconomicsState (computer science)Environmental regulationPublic economicsEnvironmental economicsIndustrial organizationMicroeconomicsBusinessComputer sciencePolitical scienceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This study discusses important aspects of policy modeling based on a leader-follower game of policymakers. We specifically investigate non-cooperation between policymakers and the jurisdictional scope of regulation via bi-level programming. Performance-based environmental policy under the Clean Power Plan in the United States is chosen for our analysis. We argue that the cooperation of policymakers is welfare enhancing. Somewhat counterintuitively, full coordination among policymakers renders performance-based environmental policy redundant. We also find that distinct state-by-state regulation yields higher social welfare than broader regional regulation. This is because power producers can participate in a single power market even under state-by-state environmental regulation and arbitrage away the CO2 price differences by adjusting their generation across states. Numerical examples implemented for a stylized test network illustrate the theoretical findings.

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)0,002
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,380
Score d'incertitude au seuil0,402

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,269
Tête enseignante GPT0,331
Écart entre enseignants0,062 · 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'étudeSimulation ou modélisation
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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Operational Research SocietyMême sujetClimate Change Policy and EconomicsTravaux en français237 207