MétaCan
Menu
Retour à la cohorte
Enregistrement W2113021528

The Effect of Technology Choice on Automobile Assembly Plant Productivity

2002· article· en· W2113021528 sur OpenAlexaff
Johannes Van Biesebroeck

Notice bibliographique

RevueLirias (KU Leuven) · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésProductivityProduction (economics)Automotive industryDecompositionIndustrial organizationFunction (biology)Productivity modelEconomicsPanel dataAggregate (composite)Multifactor productivityTechnical changeEconometricsTotal factor productivityMicroeconomicsEngineeringMacroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract: Productivity growth is usually represented by a continuous shift of the production or cost function. In the automobile industry, there is evidence of a more discrete change in the technology. I estimate a structural model of production and technology choice, using a panel of US automobile assembly plants from 1963 to 1996. New decomposition results suggest that plant-level changes, as opposed to compositional effects, are the most important determinant of aggregate productivity growth. I UNDERSTANDING PRODUCTIVITY IS IMPORTANT In recent decades, the US automobile industry has seen several importantpolicy interventions. Voluntary export restraints were in effect for most of the 1980s, restricting Japanese imports; many states awarded significant subsidies to attract greenfield investments of both domestic and foreign firms; and a joint venture between General Motors and Toyota, with the exchange of technologies as an explicit goal, was given antitrust exemption in 1984. 65 * jovb@chass.utoronto.ca. I wish to thank Frank Wolak for many helpful discussions and suggestions. I benefited from comments from Lanier Benkard, Peter Reiss, and seminar participants at Stanford University. I am also grateful to Mike Clune at the CCRDC for help with

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,022
Tête enseignante GPT0,216
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLirias (KU Leuven)Même sujetFirm Innovation and GrowthTravaux en français237 207