MétaCan
Menu
Retour à la cohorte
Enregistrement W4408381993 · doi:10.1111/1467-8489.70000

Can Environmental Regulation Result in Environmental and Economic Improvements? Evidence From the Sugar Industry Under China's Mandatory Environmental Information Disclosure Policy

2025· article· en· W4408381993 sur OpenAlexaff
Jing-Tian Ge, Wiktor Adamowicz, Wei Si

Notice bibliographique

RevueAustralian Journal of Agricultural and Resource Economics · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEnergy, Environment, Economic Growth
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésChinaEnvironmental regulationSugar industryBusinessEnvironmental policySugarNatural resource economicsEconomicsEnvironmental management systemPublic economicsPolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Environmental information disclosure (EID) policies have been used in many jurisdictions, yet the impact on the environment and economic performance of enterprises remains a question. This study examines China's mandatory EID policy implemented in 2014 as an example of the potential relationship between environmental policy and enterprise performance. We applied a difference‐in‐differences (DID) and propensity score matching (PSM) sampling method to examine the issue, using a panel dataset of nearly 90 sugar enterprises in Guangxi in China from 2008 to 2016. Earnings before income and tax and pollution emissions are considered as proxies of economic and environmental performance, respectively. The results show that the 2014 MEID policy has a significantly positive effect on pollution reduction and a significantly adverse effect on economy. These effects vary with corporation size and ownership. Production shrinkage appears to be the main reason for pollution reduction in Guangxi's sugar industry rather than technological innovation in the pollution treatment process. Furthermore, we discuss the study's limitations and policy implications.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,182
Écart entre enseignants0,173 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Agricultural and Resource EconomicsMême sujetEnergy, Environment, Economic GrowthTravaux en français237 207