MétaCan
Menu
Retour à la cohorte
Enregistrement W2191693590 · doi:10.54648/woco2004016

Do Merger Efficiencies Receive “Superior” Treatment in Canada? Some Legal, Policy and Practical Observations Arising from the Canadian Superior Propane Case

2004· article· en· W2191693590 sur OpenAlexaboutno aff
Neil Finkelstein, Michael E. Piaskoski

Notice bibliographique

RevueWorld Competition · 2004
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Governance and Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPropaneLaw and economicsPolitical scienceEconomicsChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In the last few years, the role of efficiencies in merger review has become a topic of great interest within the antitrust community, particularly in light of the recent U.S. Heinz/Beechnut babyfood decision, the European Union GE/Honeywell decision and the Canadian Superior Propane decision (perhaps the most comprehensive review of efficiencies in the context of the creation of an otherwise “anti-competitive” merger). Using the Canadian Superior Propane case as a springboard, the authors examine many of the legal, policy and evidentiary issues that may arise when the parties to a merger seek to argue the pro-competitive and efficiency-enhancing elements of their transaction before a competition authority. In particular, the authors present a comparative review and analysis of the role of merger efficiencies in each of Canada, the United States and the European Union, including the types of efficiencies that may or may not be considered by competition authorities in merger review, the different methods that may be adopted in balancing efficiencies against the anti-competitive effects of a merger, and some of the practical and evidentiary issues faced by merging parties when claiming efficiencies.

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)0,014
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,987

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,052
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,014
Études des sciences et des technologies0,0190,011
Communication savante0,0160,006
Science ouverte0,0020,004
Intégrité de la recherche0,0070,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,235
Écart entre enseignants0,200 · 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'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

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld CompetitionMême sujetCorporate Governance and LawTravaux en français237 207