Distribution of climate damages in convergence-consistent growth projections
Notice bibliographique
Résumé
Climate-econometric estimates assuming that climate changes affect economic growth result in larger projected damages than estimates restricting the effect to economic income levels. We show that the latter is consistent with neoclassical macroeconomic theory by explicitly accounting for income growth convergence in our empirical investigation. We show that accounting for convergence does not statistically change the point estimates capturing climate’s macroeconomic effect, but it has significant implications for assessing the long-term economic consequences of climate change. The magnitude and spread of long-term losses from climate change are reduced. Aggregated damages are found to be convex in the extent of climate change and are projected to continuously increase over time with on-going climate change, in contrast to growth-effects-only estimates where the gains experienced by the winners of climate change eventually surpass the losses incurred by the losers. For example, projections of climate change damages based on climate-econometric estimates by Burke et al., 2015 find that global warming could reduce average global incomes by 20% and drastically increase intercountry income inequality, reflected by a 118% increase in the Gini coefficient in 2100 under RCP8.5. We reestimate and project climate damages under the same scenario accounting for convergence and find global climate damages around 8.5% of global incomes and an increase in intercountry income inequality by 8% in 2100.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».