L’impact de la taille des firmes industrielles sur la courbe de Kuznets environnementale : le cas des émissions de SO2 en Chine
Bibliographic record
Abstract
L’intensité de pollution inférieure des firmes de grande taille et leurs moindres coûts marginaux de réduction des émissions demeurent un fait largement documenté dans la littérature empirique. En poursuivant les intuitions de Merlevedeet al.(2006), nous examinons l’hypothèse qu’avec l’accroissement du développement économique, la présence de firmes industrielles de taille supérieure (en moyenne) devient négativement associée aux émissions de SO2en raison de l’avantage comparatif des grandes firmes à réduire leurs émissions polluantes à un moindre coût marginal. La courbe de Kuznets environnementale (CKE) est l’instrument par lequel nous comparons l’impact de la présence de grandes firmes sur les émissions de SO2par habitant pour 29 provinces et villes chinoises. Pour vérifier la robustesse des résultats, trois différents indicateurs de taille sont retenus. Même si les estimations tendent à confirmer que les firmes de grande taille sont associées à une meilleure performance environnementale, les résultats demeurent fortement sensibles au choix de la forme fonctionnelle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".