Environmental Taxes and the Choice of Green Technology
Notice bibliographique
Résumé
We study several important aspects of using environmental taxes or pollution fines to motivate the choice of innovative and “green” emissions-reducing technologies. In our model, the environmental regulator (Stackelberg leader) sets the tax level, and in response to it a profit-maximizing monopolistic firm (Stackelberg follower), facing price-dependent demand, selects emissions control technology, production quantity and price. The available technologies vary in environmental efficiency, as well as in the fixed and variable costs. We find that a firm’s reaction to an increase in taxes is in general non-monotone: while an initial increase in taxes may motivate a switch to a greener technology, further tax increases may motivate a reverse switch. This reverse effect can be avoided by subsidizing the fixed costs of the green technology; otherwise it could lead to cases under which a given technology cannot be induced with taxes. We then analyze the socially optimal tax level and the technology choice it motivates. We find that when the regulator is moderately concerned with environmental impacts, the tax level that maximizes social welfare simultaneously motivates the choice of clean technology, resulting in a so-called double dividend. Both low and high levels of environmental concerns lead to the choice of dirty technology. The latter effect can be avoided by subsidizing the capital cost of green technology. Overall, providing a subsidy in conjunction with taxing emissions is generally beneficial: it improves technology choice and increases social welfare; however it may increase the optimal tax level.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».