MétaCan
Menu
Retour à la cohorte
Enregistrement W2907517016 · doi:10.1093/restud/rdaf029

Barriers to Entry and Regional Economic Growth in China

2025· preprint· en· W2907517016 sur OpenAlexafffund
Loren Brandt, Gueorgui Kambourov, Kjetil Storesletten

Notice bibliographique

RevueThe Review of Economic Studies · 2025
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEuropean Research CouncilSocial Sciences and Humanities Research Council of CanadaNorges Forskningsråd
Mots-clésConvergence (economics)ChinaSalientBarriers to entryEconomic geographyProductivityEconomicsManufacturing sectorConstruct (python library)Labour economicsBusinessIndustrial organizationEconomic growthGeographyMarket structure

Résumé

récupéré en direct d'OpenAlex

Abstract Labour productivity in manufacturing differs starkly across regions in China. We document that productivity, wages, and start-up rates of non-state firms have nevertheless experienced rapid unconditional regional convergence after 1995. To analyse these patterns, we construct a Hopenhayn model that incorporates location-specific capital wedges, output wedges, and entry barriers. Using Chinese Industry Census data, we estimate these wedges and examine their role in explaining differences in performance and growth across prefectures. Entry barriers explain most of the differences. We investigate the empirical covariates of these entry barriers and find that changes in barriers are causally related to changes in the size of the state sector: a smaller state sector leads to lower entry barriers.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,330
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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,294
Écart entre enseignants0,248 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Review of Economic StudiesMême sujetFirm Innovation and GrowthTravaux en français237 207