Reputational punishment of environmental violations in Canada
Notice bibliographique
Résumé
This thesis examines to what extent market-imposed sanctions, i.e. "reputational penalties", impose significant costs on firms that violate environmental regulations in Canada. Determining the presence and size of reputational penalties is important for policy implications as it can be used to determine whether legal fines are adequately punishing firms that violate environmental regulations and, in combination with market-imposed sanctions, become a sufficient deterrent of corporate behavior causing negative externalities on the environment. The empirical method used to determine the changes in public attitudes following an environmental violation is the standard event study methodology. The dependent variable is the abnormal returns on shares of the company, or the difference between the security's expected return and its actual return. The event for this study was the release of the enforcement notification (i.e. the notification of the fine that the firm has to pay). After applying inclusion criteria 28 cases of environmental violations between 2010-2019 were noted. The results suggest that there is some negative reputational effect on the day of the notification. However, the results also suggest that there may be a positive effect of the event for higher fines. This, somewhat unexpected result from a theoretical point of view, may be the result of the fine being smaller than expected by the market or, alternatively, that the market appreciates that uncertainty is removed, along with the risk of a drawn out and costly legal case. Based on the results, the legal penalties in Canada appear to be too low and failing to impose the intended and adequate cost on the firm. Therefore, the main policy recommendation is to increase the explicit costs imposed on firms that violate environmental regulations.
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 ».