MétaCan
Menu
← Retour à la cohorte
Enregistrement W3125470801

Abatement Innovation in a Cournot Oligopoly: Emission Versus Output Tax Incentives

2016· article· en· W3125470801 sur OpenAlexaff
Naoto Aoyama, Emilson Silva

Notice bibliographique

RevueSSRN Electronic Journal · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCournot competitionIncentiveOligopolyEconomicsScope (computer science)Energy taxTax incentiveGovernment (linguistics)MicroeconomicsPublic economicsWelfareOrder (exchange)Tax rateOptimal taxTax reformIndustrial organizationMarket economyMonetary economics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study compares energy and emission taxes used to control pollution and provide incentives for the adoption of an advanced abatement technology in a Cournot oligopoly. We examine multistage games where the government may intervene in order to maximize social welfare by setting an environmental tax rate. When the government intervenes, it levies either an energy tax or an emission tax. We show that the effectiveness of either type of tax depends on the shape of the multiproduct technology. In the absence of economies of scope in the production of energy and abatement, the energy tax reduces pollution but is ineffective in promoting technological change. The emission tax reduces pollution and is effective in promoting technological change for sufficiently small fixed costs of adoption. In the presence of economies of scope, firms may adopt the efficient technology even in the absence of taxation. When taxation is necessary for innovation, both types of taxes are effective. However, the energy tax outperforms the emission tax in terms of innovation incentives.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,065
Tête enseignante GPT0,274
Écart entre enseignants0,208 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic Journal→Même sujetClimate Change Policy and Economics→Travaux en français237 207→