MétaCan
Menu
Retour à la cohorte
Enregistrement W4411021862 · doi:10.1080/17583004.2025.2505727

The impact of the EU carbon border adjustment mechanism on China based on the climate club

2025· article· en· W4411021862 sur OpenAlexaboutno aff
Tong Yue, Lu Liu, Yi Xie, Xuezhi Liu

Notice bibliographique

RevueCarbon Management · 2025
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensnon disponible
Organismes subventionnairesPetrochemical Industry Transformation and Upgrading Technology Innovation Public Service Platform in Maoming CityBeijing University of Chemical Technology
Mots-clésClubChinaMechanism (biology)Carbon fibersClimate changeNatural resource economicsEnvironmental scienceBusinessEconomicsGeographyMaterials scienceGeology

Résumé

récupéré en direct d'OpenAlex

This study analyzes the EU Carbon Border Adjustment Mechanism (CBAM)’s implications for China’s trade, GDP, and carbon emissions under evolving global climate governance frameworks. Combining climate club theory with recent policies from the U.S., U.K., Japan, and Canada, it proposes a potential multi-climate club coexistence model. Using the GTAP-E model, the research quantifies CBAM’s effects under two scenarios: a single EU-led climate club and a multi-club system. Key findings reveal that while China’s short-term export reductions to the EU remain marginal (<1% across industries), long-term trade diversion intensifies, with 30% of cement exports projected to shift to non-EU markets by 2034. Multi-club cooperation exacerbates GDP growth challenges for China compared to a single-club scenario but amplifies carbon reduction incentives, particularly if CBAM expands to cover indirect emissions. High-energy sectors (e.g., cement, chemicals) emerge as most vulnerable. The study underscores CBAM’s dual role as both a trade barrier and a catalyst for industrial decarbonization. Recommendations emphasize strengthening China’s carbon pricing mechanisms, proactive engagement in multilateral climate negotiations, and targeted support for energy-intensive industries. These insights highlight the urgency of adaptive strategies to reconcile economic resilience with climate obligations amid fragmented global governance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,798
Score d'incertitude au seuil0,571

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,263
Écart entre enseignants0,236 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCarbon ManagementMême sujetClimate Change Policy and EconomicsTravaux en français237 207