Russian Companies’ Motivations for Making Green Investments
Notice bibliographique
Résumé
The purpose of this study is to identify the most significant motivations for Russian companies to make green investments. This article presents a multiple regression model based on panel data, designed to assess the impact of various factors on green investments made by Russian companies. To create this model, the authors used annual data for 83 regions of the Russian Federation for the period from 2011 to 2020. According to calculations made in this paper, the growth of green investments in the economy is due to the inflow of foreign direct investment, the increase in the collection of fees for negative impact on the environment, the increase in the production of extractive products and the growth of CO2 emissions. At the same time, the total volume of investments is not affected by indicators assessing the environmental factor, but is affected by the inflow of foreign direct investments and the level of business concentration. The obtained results mean that the main motivators that encourage Russian companies to make green investments today are the opinion of foreign investors, global decisions to reduce greenhouse gases and the partial tightening of national environmental legislation. This indicates that the degree of a companies’ integration into the global economy is of great importance for its propensity to make green investments in Russia. Therefore, special approaches are needed from the state in order to create incentives for green modernization of the national economy. This study expands our understanding of the role that green investments can play in the economy and the motivation for companies to make them, thus contributing to the existing literature on this subject.
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 | 0,000 |
| 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 ».