MétaCan
Menu
Retour à la cohorte
Enregistrement W4318481024 · doi:10.3390/en16031389

Production Controls in Heavy Oil and Bitumen Markets: Surplus Transfer Due to Alberta’s Curtailment Policy

2023· article· en· W4318481024 sur OpenAlexaffabout
Brandon Schaufele, Jennifer Winter

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensUniversity of CalgaryWestern University
Organismes subventionnairesnon disponible
Mots-clésEconomic surplusEconomicsAgricultural economicsProduction (economics)ScarcityBarrel (horology)Natural resource economicsWelfareMarket economyMicroeconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

In January 2019, the Canadian province of Alberta enacted limits on crude oil and bitumen production. These production controls, a policy referred to as curtailment, represent a shift for a government that historically avoided market intervention. The policy was designed to shrink a growing and prolonged price differential between the Western Canadian Select price of oil, the key benchmark for Alberta’s heavy oil production, and the West Texas Intermediate benchmark. The curtailment created artificial scarcity, shrinking the price differential from more than $40 USD per barrel in November 2018 to less than $15 USD per barrel in February 2019. In the process, this policy transferred market surplus from refiners, mainly those in the US Midwest, to producers in Alberta. We review this large-scale market intervention and calculate the magnitude of the economic transfer. We find the curtailment increased producer surplus by $659M CAD per month and reduced consumer surplus by $763M per month. At the margin, every $1 reduction in consumer surplus translates into a $0.71 gain in producer surplus. We further show that if the Government of Alberta’s objective was to maximize short-run producer surplus, it should further scale back production, setting the curtailment rate at 25% rather than the initial 8.7%.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,249

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,009
Tête enseignante GPT0,231
Écart entre enseignants0,222 · 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'étudeObservationnel
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207