MétaCan
Menu
Retour à la cohorte
Enregistrement W2739304706

Dynamic Comparative Advantage in International Shipbuilding: The Transition from Wood to Steel

2017· preprint· en· W2739304706 sur OpenAlexaboutno aff
W. Walker Hanlon

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2017
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Zones and Regional Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésShipbuildingCompetition (biology)Production (economics)TariffDemiseContext (archaeology)EconomyGovernment (linguistics)BusinessInternational tradeIndustrial organizationEngineeringEconomicsGeographyArchaeologyEcologyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Can temporary initial input cost advantages have a long-run impact on the spatial distribution of production and trade? I study this question in the context of the international shipbuilding industry during the transition from wood to metal ship production (1850-1912). Input price advantages gave Britain an early lead in metal shipbuilding, while the U.S. and Canada specialized in wood ship production. However, after 1890, Britain's initial price advantages disappeared. By comparing production patterns on the Atlantic Coast of North America, which faced British competition, to the Great Lakes, which were isolated from competition, I show that British competition substantially reduced the ability of North American producers to transition to metal ship production. I also exploit additional sources of variation to show how government protection and support moderated these effects for some Atlantic Coast producers, allowing them to survive the demise of wood shipbuilding. Finally, I provide evidence that the mechanism driving the persistence of Britain's lead was the development of large pools of skilled craft workers. These results shed light on the role of past conditions in influencing current production and trade patterns and with implications for the use of industrial policy and tariff protection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,073
Tête enseignante GPT0,334
Écart entre enseignants0,261 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetEconomic Zones and Regional DevelopmentTravaux en français237 207