MétaCan
Menu
Retour à la cohorte
Enregistrement W3123397971

International trade and green growth

2012· preprint· en· W3123397971 sur OpenAlexaff
Brian R. Copeland

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2012
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTariffInternational tradeDeveloping countryInternational economicsCarbon leakageEconomicsWork (physics)Production (economics)Environmental policyBusinessGreen growthTrade barrierNatural resourceNatural resource economicsGreenhouse gasEmissions tradingSustainable developmentEconomic growthMacroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper reviews the challenges and opportunities raised by international trade for developing countries considering a green growth strategy. A key concern is the effect of environmental policies on international competitiveness. For production-generated pollution, there is evidence that stringent environmental policy reduces some indicators of competitiveness, but the effect is small in most sectors. However, tightening up environmental standards is unlikely to reduce international competitiveness when pollution is generated by consumption. And where depletion of natural capital is a threat, effective environmental policy is an important component of a policy aimed at developing long-run international competitiveness. The effects of trade on environmental policy, the interaction between trade and technology transfer, and the interaction between trade and transboundary environmental problems are also reviewed. An emerging issue is the potential use of border taxes to curtail carbon leakage. The paper discusses some of the possible responses by developing countries. Some work has indicated that export taxes or voluntary export restraints applied to carbon-intensive production in non-coalition countries may be preferable to a carbon tariff regime. The paper concludes by suggesting some topics for further research.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0020,003
Communication savante0,0060,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0310,004

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 Opus0,127
Tête enseignante GPT0,324
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'étudeSans objet
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetClimate Change Policy and EconomicsTravaux en français237 207