Exporting and Frictions in Input Markets: Evidence from Chinese Data
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
This paper investigates the impact of international trade on input market distortions. We focus on a specific friction, binding borrowing constraints in capital markets. We propose a theoretical model where a firm's demand for capital is constrained by an initial asset allocation and past sales. While the initial distribution of assets induces misallocation if the asset endowment at more productive firms does not fully cover their demand for capital, the dependence of the borrowing constraint from past sales proxies for cross-firm differences in the cost of default, which is empirically higher at larger firms. Overtime, an increase in sales relaxes the borrowing constraint; similarly, shocks to market access--such as opening to trade--contribute to easing the financial constraints, thus accelerating the convergence toward the frictionless allocation. To analyze the empirical relationship between market access and credit frictions, we draw on the annual surveys conducted by the Chinese National Bureau of Statistics (NBS) for 1998 to 2007, and we construct firm-level measures of distortions that control for firm heterogeneity. We find smaller labor and capital distortions across exporting firms; such distortions are even smaller in sectors where firms face lower tariffs or are more dependent on external financing, a proxy for the presence of binding financial constraints. Our empirical analysis also shows that export shocks significantly reduce the dispersion across input returns over time, with the effect mostly occurring at constrained firms. Our findings point to within-sector input reallocation as an important channel to overcome misallocation in open economies.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle