MétaCan
Menu
Retour à la cohorte
Enregistrement W3033833272 · doi:10.3386/w27325

Imperfect Competition and Rents in Labor and Product Markets: The Case of the Construction Industry

2020· preprint· en· W3033833272 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiquePublic Procurement and Policy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEconomic rentCompetition (biology)Imperfect competitionProduct marketImperfectEconomicsProduct (mathematics)Industrial organizationLabour economicsBusinessMicroeconomicsEcologyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Existing work on imperfect competition typically focuses on either the labor market or the product market in isolation.In contrast, we analyze imperfect competition in both markets jointly, showing theoretically and empirically that focusing on one market in isolation may result in a limited or misleading picture of the degree and impacts of market power.Our empirical setting is the US construction industry.We develop, identify and estimate a model where construction firms imperfectly compete with one another for workers in the labor market and for projects in both the private market and the government market, where government projects are procured through auctions.Our analyses combine the universe of business and worker tax records with newly collected records from government procurement auctions.We use the estimated model to quantify the markdown of wages and the markup of prices, to show that the impacts of an increase in market power in one market are attenuated by the existence of market power in the other market, and to quantify the rents, rent-sharing, and incidence of procurements in the US construction industry.

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 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)0,001
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 enseignants0,070
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,150
Tête enseignante GPT0,414
Écart entre enseignants0,264 · 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