MétaCan
Menu
Retour à la cohorte
Enregistrement W16045334 · doi:10.1177/178359170300400403

Unintended and Persistent Consequences of Regulation: The Case of Cable Television Provision in Canada

2003· article· en· W16045334 sur OpenAlexaboutno aff
Stephen M. Law, James Nolan

Notice bibliographique

RevueCompetition and Regulation in Network Industries · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeregulationUnintended consequencesEconomies of scaleIncentiveIndustrial organizationScale (ratio)Cable televisionEconomicsFunction (biology)Competition (biology)BusinessEstimationMicroeconomicsMarketingPublic economicsMarket economyTelecommunicationsComputer science

Résumé

récupéré en direct d'OpenAlex

Economic regulation can have unintended consequences that are detrimental to subsequent policy change if the regulatory regime has institutionalized certain aspects of firm behaviour. For example, in a post-deregulation environment, unforeseen scalerelated phenomenon may persist in an industry that was formerly regulated according to firm size. Unfortunately, in many industries such effects can be difficult to identify. We examine measures of efficient scale for annual cross-sectional data from the cable television industry in Canada from 1992–1996, a time when the industry was being partially deregulated. Due to sample size problems among some of the size categories of interest, we estimate efficient scale in the industry using both a translog cost function and a non-parametric efficiency estimation method. We find that well after partial deregulation, the points of efficient scale in the industry can still be found at those size categories specified in the repealed rules. We label this phenomenon “regulatory persistence” and offer an explanation specific to this industry: the technology of cable television provision encouraged optimal firm sizes corresponding to the size categories found in the regulatory regime. These findings are further evidence of the existence of complex incentive structures between firms and regulators in the cable television industry.JEL Classification: C61, L82

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,338
Score d'incertitude au seuil0,842

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,194
Écart entre enseignants0,175 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCompetition and Regulation in Network IndustriesMême sujetCorporate Finance and GovernanceTravaux en français237 207