MARC

 008240221s2023        ulk                      00        kor
■001000016934625
■00520240214101634
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380316194
■035    ▼a(MiAaPQ)AAI30631523
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a621
■1001  ▼aLi,  Zhiyun.▼0(orcid)0000-0001-8467-6240
■24510▼aThree  Essays  on  the  Economics  of  Climate  Change▼h[electronic  resource]
■260    ▼a[S.l.]▼bCornell  University.  ▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a1  online  resource(100  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  B.
■500    ▼aAdvisor:  Ortiz  Bobea,  Ariel.
■5021  ▼aThesis  (Ph.D.)--Cornell  University,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■506    ▼aThis  item  must  not  be  added  to  any  third  party  search  indexes.
■520    ▼aThis  dissertation  consists  of  three  chapters  studying  the  effects  of  climate  change,  climate  change  adaptation,  and  impact  of  renewable  energy  policies  on  the  economy.The  first  chapter  explores  the  consequence  of  choosing  an  arbitrary  temporal  window  to  aggregate  weather  conditions.  Timing  of  weather  inputs  is  critical  for  agricultural  production.  For  instance,  hot  conditions  can  be  beneficial  or  detrimental  to  yields  depending  on  the  crop  stage.  However,  the  empirical  literature  studying  weather  effects  on  agricultural  outcomes  has  mostly  struggled  to  capture  these  fine-scale  temporal  nuances.  Researchers  tend  to  arbitrarily  choose  a  "season",  or  simply  employ  the  whole  year  to  aggregate  the  weather  conditions  from  high  to  low  frequency.  We  show  in  simulations  that  imposing  imprecise  seasons  introduces  nonclassical  measurement  error  in  weather  regressors,  causing  biases  in  unknown  directions.  To  address  this  concern,  we  propose  ana  approach  to  recover  the  "true"  underlying  season  and  apply  it  to  a  US  state-level  panel  of  agricultural  Total  Factor  Productivity.  We  find  that  accounting  for  seasonality  can  lead  to  substantially  different  estimates.  The  second  chapter  examines  the  potential  for  adaptation  to  climate  risks  in  the  corporate  sector  and  firms'  private  adaptive  responses  using  the  evidence  from  wildfires  in  the  US.  I  link  the  high-resolution  large  wildfire  data  and  establishment-level  data  of  all  publicly  and  privately  held  manufacturing  firms  in  the  US  from  1997  to  2017  to  examine  the  causal  impact  of  wildfire  exposure  on  financial  performance.  The  wildfire  data  includes  annual  burn  scar  grids  at  the  1km-by-1km  resolution  (nearly  8  million  grids  over  the  contiguous  US).  Exploiting  quasi-random  variation  in  burned  area  within  a  given  municipality  over  two  decades,  I  find  that  wildfire  exposure  reduces  financial  performance.  Then  I  explore  the  scope  for  adaptation  to  future  wildfire  events  by  comparing  the  differences  in  short-run  marginal  impacts  between  areas  that  are  prone  or  less  prone  to  wildfires.  I  find  that  wildfires  are  substantially  less  damaging  to  sales  of  establishments  in  wildfire-prone  areas,  suggesting  the  role  of  adaptation  in  mitigation.  The  third  chapter  quantifies  the  impact  of  shared  renewable  policy  on  farmland  values  by  using  the  parcel-level  farmland  transaction  data  from  2007  to  2022  and  the  uniform  timing  of  the  Shared  Renewables  Program  (SRP)  launched  by  New  York  state  in  2015.  Our  main  empirical  framework  leverages  the  fact  that  developers  seek  farmland  within  proximity  to  electrical  infrastructure  for  solar  development.  We  examine  how  the  SRP  affects  farmland  prices  across  locations  that  are  close  or  far  away  from  transmission  lines  or  substations.  We  observe  a  15%  higher  price  increase  for  farmlands  within  a  2-mile  radius  of  electric  grids  compared  to  those  situated  farther  away  after  2019  when  there  was  a  substantial  upsurge  in  community  solar  projects.  Moreover,  we  show  that  this  effect  is  concentrated  in  regions  with  higher  electric  rates,  making  them  more  lucrative  for  solar  development.  Our  results  suggest  that  solar  development  potential  might  emerge  as  a  novel  driver  for  rising  farmland  prices  during  the  state's  transition  to  renewable  energy.
■590    ▼aSchool  code:  0058.
■650  4▼aEnergy.
■650  4▼aAlternative  energy.
■653    ▼aClimate  change
■653    ▼aRenewable  energy
■653    ▼aAgricultural  production
■653    ▼aShared  Renewables  Program
■653    ▼aWeather  conditions
■690    ▼a0501
■690    ▼a0503
■690    ▼a0363
■690    ▼a0791
■71020▼aCornell  University▼bApplied  Economics  and  Management.
■7730  ▼tDissertations  Abstracts  International▼g85-03B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0058
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16934625▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서