How productive is liquid waste management practices in Indian informal micro, small and medium enterprises?
Notice bibliographique
Résumé
Purpose Waste management is a crucial aspect of sustainable development, but is it economically sustainable for marginalized informal firms? The study tries to answer this question by revisiting the Porter–Wagner dilemma about the association between environmental management (EM) and firm performance (FP). The study looks into the various liquid waste management practices (LWMPs) adopted by them and the overall impact of LWMPs on firms' economic performance. Design/methodology/approach The study uses the latest available cross-sectional data source on Indian informal firms by the National Sample Survey Office (NSSO), 73rd survey round 2015–16. First, ordered logistic regression was used to analyse the factors that impact a firm's adoption of a particular LWMP. Subsequently, to capture the heterogeneity among the firms based on productivity and size, a quantile regression (QR) was employed to analyse the impact of LWMPs on firm productivity. Additionally, the propensity score matching technique was used to address endogeneity concerns. Findings The authors find that bigger, urban-located and female-owned firms adopt cleaner LWMPs that positively impact their economic performance. Furthermore, the QR analysis observed that the most productive firms could extract higher returns from adopting cleaner LWMPs, indicating the relevance of the Porter–Wagner dilemma, i.e. environmental and economic sustainability are possibly symbiotic, thus having a feedback mechanism. Originality/value To the authors’ limited knowledge, this is the first study analysing the relationship between EM and FP among the informal sector firms, which are away from any regulations or obligations. Since sustainability is a two-way process, policies should be devised that incentivise sustainable business practices.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».