Tales of the city: what do agglomeration cases tell us about agglomeration in general?
Notice bibliographique
Résumé
This article considers the heterogeneous microfoundations of agglomeration economies. It studies the co-location of industries to look for evidence of labour pooling, input sharing and knowledge spillovers. The novel contribution of the article is that it estimates single-industry models using a common empirical framework that exploits the cross-sectional variation in how one industry co-locates with the other industries in the economy. This unified approach yields evidence on the relative importance of the Marshallian microfoundations at the single-industry level, allowing for like-for-like cross-industry comparisons on the determinants of agglomeration. Using UK data, we estimate such microfoundation models for 97 manufacturing sectors, including the classic agglomeration cases of automobiles, computers, cutlery and textiles. These four cases—as with all of the individual industry models we estimate—clearly show the importance of the Marshallian forces. However, they also highlight how the importance of these forces varies across industries—implying that extrapolation from cases should be viewed with caution. The article concludes with an investigation of the pattern of heterogeneity. The degree of an industry’s clustering (localisation), entrepreneurship, incumbent firm size and worker education are shown to contribute to the pattern of heterogeneous microfoundations.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».