MétaCan
Menu
Retour à la cohorte
Enregistrement W4285530709 · doi:10.1079/9781789248234.0083

Economic analysis of a softwood lumber quota regime and a policy to subsidize biomass generation of electricity.

2020· book-chapter· en· W4285530709 sur OpenAlexaboutno aff
Fatemeh Mokhtarzadeh, G. Cornelis van Kooten

Notice bibliographique

RevueCABI eBooks · 2020
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoftwoodSubsidyEconomicsElectricityAgricultural economicsWelfareApplied general equilibriumInternational economicsRest (music)International tradePulp and paper industryMarket economyEngineering

Résumé

récupéré en direct d'OpenAlex

<title>Abstract</title> The REPA spatial price equilibrium model developed in Chapter 4 is used to investigate the regional welfare impacts of a quota on exports of Canadian softwood lumber to the U.S. In the model, Canada is divided into seven regions and the U.S. into five regions, with the rest of the world constituting a 13th region; the model is calibrated to the bilateral trade flows that existed in 2016 when there was free trade in lumber. Various quota levels are examined in terms of their impact on producers and consumers in both countries. Canadian producers are found to be better off with a hard quota compared with free trade, although the quota leads to a reduction in market share while driving a wedge between Canadian and U.S. prices, both of which are aggravated with harder quotas. Overall, the loss of export sales to the U.S. is not recouped with sales to the rest of the world. The REPA model is also used to examine the impact of EU demand for wood pellets to generate electricity. Results indicate that pellet prices will approximately double.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil0,940

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,231
Écart entre enseignants0,213 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCABI eBooksMême sujetForest Management and PolicyTravaux en français237 207