The impacts of China's ETS on firm competitiveness: Evidence from the power and heat production sector
Notice bibliographique
Résumé
Greenhouse Gas (GHG) emissions are one of the primary causes of climate change. In the coming decades, the economic costs of climate change are estimated to be 10 % of the global GDP. To mitigate threats of the catastrophic consequences of climate change, an Emission Trading Scheme (ETS) is proposed as a cost-efficient carbon pricing approach to reduce the GHG emissions from production activities. Since 2013, the Chinese government has launched seven pilot ETS projects. In the pilot projects, China established the national carbon trading market in 2021. The national ETS project covers more than 2000 power and heat production plants, which account for 40 % to 50 % of China's industrial emissions and 10 % of the worldwide GHG emissions. Despite the rapid expansion of China's ETS is, there is no consensus on the effectiveness or impacts of ETS. This study investigates the impacts of the pilot ETS on the competitiveness of the participating firms, measured by profitability, production investment, and environmental performance with a Difference-in-Differences (DID) method. Our study finds that the pilot ETS had a positive impact on profitability and GHG emissions reduction among the participating firms, and a negative impact on production investments. This study provides evidence that the pilot ETS has been effective in producing incentives for firms to reduce their emissions, which is not only beneficial to the environment, but also enhances firm's profitability.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».