MétaCan
Menu
← Retour à la cohorte
Enregistrement W2282097734

The Efficiencies Defence in Merger Analysis: A New Zealand Perspective

2000· preprint· en· W2282097734 sur OpenAlexaboutno aff
Mark Berry, Mike Pickford

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2000
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCanadian Policy and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommissionDominance (genetics)Statutory lawCompetition (biology)Position (finance)BusinessAuthorizationLaw and economicsPolitical scienceLawEconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

New Zealand's current competition laws like Canada's are comparatively new. The Commerce Act (the "Act") and Canada's Competition Act were both passed in 1986. The New Zealand Act in essence recognises the efficiencies defence. Where a merger is likely to result in the acquisition of a dominant position in a market it is open to the merger parties to apply to the Commerce Commission (the "Commission") under section 67 for authorisation prior to implementation. This process requires the Commission to identify and weigh the detriments likely to flow from the acquiring of a dominant position in the relevant markets and to balance those against the public benefits likely to flow from the acquisition as a whole. Since 1990 there has been explicit statutory guidance under section 3A that efficiencies must be taken into account in assessing public benefits. If the Commission is satisfied that the benefits outweigh the detriments the proposed merger will be authorised.Thus there are striking similarities between the New Zealand position section 96 of the Canadian Competition Act and the US governmental guidelines described in Professor Mathewson's paper. What follows is an outline of the Commission's approach in New Zealand. This outline reflects a more tolerant approach than is apparently the case in Canada. Indeed seven mergers raising dominance concerns have already been authorised on public benefit grounds.

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)0,009
score de la tête « metaresearch » (Gemma)0,015
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 enseignants0,233
Score d'incertitude au seuil0,463

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,007
Études des sciences et des technologies0,0060,026
Communication savante0,0140,014
Science ouverte0,0030,006
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,029
Tête enseignante GPT0,349
Écart entre enseignants0,320 · 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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in Economics→Même sujetCanadian Policy and Governance→Travaux en français237 207→