Gun Buybacks and Firm Behavior: Do Buyback Programs Really Reduce the Number of Guns?
Notice bibliographique
Résumé
We suppose that guns or firearms are subject to an anticipated future buyback program undertaken by the government. A simple linear demand durable-goods monopoly model is then analyzed where the durable-good manufactured is a firearm that lasts for two-periods. The model is calibrated so that buyers are indifferent between selling (participating in the buyback program) or holding the gun in the future period. This allows us to focus solely on the firm¡¯s behavior. We find, among other things, that if the firm can credibly commit to its current buyers the anticipated buyback has no impact on the future stock of guns. In this case, the firm simply increases its production of new firearms after the buyback, and offsets all the units collected and destroyed by the government. However, in contrast, we show that if the seller cannot commit to these buyers, the future stock is indeed reduced (but by only one-half of the buyback program level). Thus, any anticipated (repeated) buyback¡¯s impact on future stock levels of firearms depends critically on the commit ability of the durable-goods manufacturer, independent of the buyers¡¯ reselling and arbitrage activities. Moreover, regardless of commitment ability, the model suggests the imperfectly competitive firms may, at least partially, counteract the buyback program, making any governmental buyback less effective at reducing future firearm stocks than expected.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».