Building New Plants or Entering by Acquisition? Estimation of an Entry Model for the U.S. Cement Industry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In many industries, firms usually have two choices when expanding into new markets: They can either build a new plant (greenfield entry) or they can acquire an existing incumbent. In the U.S. cement industry, the comparative advantage (e.g., TFP or size) of entrants versus incumbents and regulatory entry barriers are important factors that determine the means of expansion. Using a rich database of the U.S. Census of Manufactures (1963-2002), an entry game is proposed to model this decision and estimate the supply and demand primitives to determine the importance of these factors. Two policies that affect the entry behavior and industry equilibrium are considered: An asymmetric environmental policy that creates barriers to greenfield entry and a policy that creates barriers to entry by acquisition. In the counterfactual analysis it is found that a less favorable environment for acquisitions during the Reagan-Bush administration would decrease the acquired plants by 90% and increase greenfield entry by 21%. Also, the Clean Air Act Amendments of 1990 increased the number of acquisitions by 3.5%. Furthermore, my simulations suggest that regulations that create barriers to greenfield entry are less favorable in terms of welfare than regulations that create barriers to entry by acquisition. Finally, it is shown how the parameter estimates change with the traditional approach in the entry literature where entry by acquisition is not considered, and when using a simple OLS estimation.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle