MétaCan
Menu
Retour à la cohorte
Enregistrement W2972976611 · doi:10.3386/w26604

Who Bears the Welfare Costs of Monopoly? The Case of the Credit Card Industry

2020· preprint· en· W2972976611 sur OpenAlexafffund
Kyle Herkenhoff, Gajendran Raveendranathan

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensMcMaster UniversityUniversity of Toronto
Organismes subventionnairesWashington Center for Equitable GrowthUniversity of SaskatchewanNational Science Foundation
Mots-clésCredit cardMonopolyWelfareBusinessATM cardCommerceCredit card interestConsumer welfareIndustrial organizationEconomicsMicroeconomicsMarket economyFinancePayment

Résumé

récupéré en direct d'OpenAlex

We measure the distribution of welfare losses from non-competitive behavior in the U.S. credit card industry during the 1970s and 1980s. The early credit card industry was characterized by regional monopolies that excluded competition. Several landmark court cases led the industry to adopt competitive reforms that resulted in greater, but still limited, oligopolistic competition. We measure the distributional consequences of these reforms by developing and estimating a heterogeneous agent, defaultable debt framework with oligopolistic lenders. Welfare gains from greater lender entry in the late 1970s are equivalent to a one-time transfer worth $3,400 (in 2016 dollars) for the bottom decile of earners (roughly 50% of their annual income) versus $900 for the top decile of earners. As the credit market expands, low-income households benefit more since they rely disproportionately on credit to smooth consumption. We find that greater lender entry resulting from these reforms delivers 65% of the potential gains from competitive pricing.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,242
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,002
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 Opus0,173
Tête enseignante GPT0,415
Écart entre enseignants0,242 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations12
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207