Social Welfare Analysis of China’s High-Speed Rail Industry: Based on the Perspective of Enterprises’ Entry in Upstream Market
Notice bibliographique
Résumé
Based on the analysis of the high-speed rail industry chain, first, this paper divides the high-speed rail industry chain into infrastructure construction market and manufacturing market of mobile equipment and, second, this paper uses the empirical method of new experience industry organization to measure the market power premium of the high-speed rail upstream market. The study shows that the market power premium of the high-speed rail upstream market is 0.551, and the scale elasticity is 0.314, indicating that there is no systematic market power in the high-speed rail upstream market and there is significant scale diseconomy. The vertical market structure where “private enterprises dominate the upstream competition market and state-owned enterprises dominate the downstream oligopoly market” is further established. Based on the perspective of enterprises’ entry in upstream markets, the social welfare of the high-speed rail industry market structure is analyzed. It is found in the study that the upstream market of the high-speed rail industry has a tendency of insufficient enterprise entry, and the total social welfare increases with the increase in the number of upstream enterprises entry. What is more, the profit of enterprises in the upstream market of high-speed rail decreases with the increase in the number of enterprises in the upstream. This paper believes that policies such as stimulating upstream high-speed rail enterprises entry, providing subsidies to upstream enterprises, reducing upstream enterprises’ entry barriers, and expanding international markets can effectively improve the overall social welfare of the high-speed railway 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.
Comment cette classification a été obtenuedéplier
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».