MétaCan
Menu
Retour à la cohorte
Enregistrement W1491430026 · doi:10.25070/rea.v2i3.37

RETORNOS À ESCALA E MERCADO COMPETITIVO: TEORIA E EVIDÊNCIAS EMPÍRICAS.

2015· article· pt· W1491430026 sur OpenAlexaff
Eliseu Alves

Notice bibliographique

RevueRevista de Economia e Agronegócio · 2015
Typearticle
Languept
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Theory and Policy
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsEconomicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Em nível elementar, mas rigoroso, desenvolve-se o conceito de retornos àescala. Argumenta-se que retornos crescentes ou constantes não são compatíveis com aexistência de mercados competitivos, pois se convergiria para um número pequeno deempresas, o que contradiz o mundo observado. A tese é que a curva de custo médiotenha forma de U. À direita do mínimo, prevalecem retornos crescentes, no mínimoretornos constantes, e à direita, retornos decrescentes. Em regime de competição, livrede imperfeições de mercado, a firma converge para o ramo de retorno crescente. Quando,no mundo real, se detecta retorno crescente ou constante, tem-se um sinal claro queas firmas estão enfrentando restrições devidas a imperfeições de mercado, as quais asimpedem de mover para o ramo de retornos decrescentes da curva de custo médio. Poristo, os resultados de modelos econométricos que detectam retornos crescentes ouconstantes devem levar o estudioso a indagar quais imperfeições de mercado fundamentamesses retornos. Além disso, o conhecimento das imperfeições de mercado é básicoà formulação de políticas econômicas que visem ao desenvolvimento econômico, numcontexto de oportunidades iguais para todo. Os dados disponíveis cobriram seis culturase mostraram um padrão de muitos produzindo muito pouco, e de poucos produzindomuito, padrão mais visível nas culturas modernas, como a soja. Os resultados revistosde um modelo econométrico indicaram que o grupo mal sucedido, de dois grupos depequenos produtores, tem retornos crescentes à escala e não pode expandir a produção,dadas as restrições.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,868
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,032

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 Opus0,051
Tête enseignante GPT0,259
Écart entre enseignants0,207 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Economia e AgronegócioMême sujetEconomic Theory and PolicyTravaux en français237 207