MétaCan
Menu
Retour à la cohorte
Enregistrement W3179013620 · doi:10.3386/w28962

Impacts of the Clean Air Act on the Power Sector from 1938-1994: Anticipation and Adaptation

2021· report· en· W3179013620 sur OpenAlexafffund
Karen Clay, Akshaya Jha, Joshua Lewis, Edson Severnini

Notice bibliographique

RevueNational Bureau of Economic Research · 2021
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCarnegie Mellon UniversityNational Science FoundationYale UniversityUniversity of California, Santa BarbaraEuropean Bank for Reconstruction and DevelopmentUniversité de Montréal
Mots-clésAnticipation (artificial intelligence)Adaptation (eye)Clean Air ActPower (physics)Environmental sciencePsychologyBusinessComputer scienceAir pollutionEcologyBiologyArtificial intelligenceNeuroscience

Résumé

récupéré en direct d'OpenAlex

This study leverages newly digitized data on virtually every fossil-fuel power plant in the United States from 1938-1994 to provide the first assessment of the impacts of the 1970 Clean Air Act (CAA) that accounts for anticipation. The extended pre-regulation benchmark allows us to account for anticipatory behavior by electric utilities in the years leading up to the Act's passage. Guided by predictions from a simple theoretical framework, we use a difference-in-differences approach to examine the impacts of the Act's nonattainment designations on coal-fired power plants of different vintages. We find that nonattainment designation led to large and persistent decreases in plant productivity, which would be substantially underestimated without data from well before the passage of the 1970 CAA. The productivity losses were concentrated only among plants built before 1963. This timing aligns with the passage of the original 1963 CAA, which served as a signal of impending federal regulation. We provide empirical and historical evidence of anticipatory responses by utilities in the design and siting of plants that opened after 1963. Finally, we find that the aggregate productivity losses of the CAA borne by the power sector were substantially mitigated by the reallocation of output away from older less productive power plants.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,226
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,596
Tête enseignante GPT0,471
Écart entre enseignants0,126 · 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.

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

Citations11
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetClimate Change Policy and EconomicsTravaux en français237 207