Notice bibliographique
Résumé
Has the expansion in exports affected pollution and health outcomes across different prefectures in China in the two decades between 1990 and 2010? We exploit variation in the initial industrial composition to gauge the effect of export expansion due to the decline in tariffs faced by Chinese exporters. We construct two export shocks at the prefecture level: (i) PollutionExportShock represents the pollution content of export expansion and is measured in pounds of pollutants per worker; (ii) ExportShock measures export expansion in dollars per worker. The two measures differ because prefectures specialize in different products: while two prefectures may experience the same shock in dollar terms, the one specializing in the dirty sector has a larger PollutionExportShock. We instrument export shocks using the change in tariffs faced by Chinese producers exporting to the rest of the world. We find that the pollution content of export affected pollution and mortality. A one standard deviation increase in PollutionExportShock increases infant mortality by 2.2 deaths per thousand live births, which is about 13% of the standard deviation of infant mortality change during the period. The dollar value of export expansion tends to reduce mortality, but is not always statistically significant. We show that the channel through which exports affect mortality is pollution concentration: a one standard deviation increase in PollutionExportShock increases SO2 concentration by 5.4 micrograms per cubic meter (the average is around 60). We find a negative, but insignificant effect on pollution of the dollarvalue export shocks, a potential "technique" effect whereby higher income drives demand for clean environment. We find that only infant mortality related to cardio-respiratory conditions responds to exports shocks, while deaths due to accidents and other causes are not affected.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».