Cap-and-trade under a dual-channel setting in the presence of information asymmetry
Notice bibliographique
Résumé
• High carbon abatement costs can benefit manufacturers, the environment, and society. • Higher production costs can increase pollution despite lower market output. • Large markets see lower pollution with manufacturers' private abatement cost info. • A cap-and-trade policy can benefit manufacturers even when net buyers of carbon. • Carbon policies enhance consumer surplus and social welfare through lower emissions Cap-and-trade, a widely used carbon regulation policy, encourages firms to adopt carbon abatement technologies to reduce emissions. Traditional supply-chain literature on this policy assumes symmetrical information, overlooking the fact that carbon abatement efforts and costs are often private and vary significantly across geographies, industries, and pollutants. In this paper we explore a dual-channel setting involving a manufacturer and a retailer, where the manufacturer, subject to cap-and-trade regulations, has undisclosed information about its carbon abatement costs. Our findings reveal that high abatement costs can paradoxically benefit the manufacturer, the environment, consumers, and overall social welfare. Our result also cautions that a higher carbon trading price (e.g., due to more ambitious emission reduction targets) can disincentivize the manufacturer from investing in carbon abatement. Moreover, a higher production cost, while resulting in lower market output, can increase pollution generation. We contribute the following to the practitioner debate about the impact of carbon policies: for an industry with a large market size, our findings lend support to governments to implement a cap-and-trade policy, because the manufacturer, customers and social welfare can be better off under a cap-and-trade policy than under a tax policy or no carbon policy. Additionally, we suggest that in such industries, governments need not enforce information transparency within the supply chain.
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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,002 |
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 ».