Industrial Concentration of the Brazilian Automobile Market and\n Positioning in the World Market
Notice bibliographique
Résumé
This paper surveys the evolution of industrial concentration of the Brazilian\nautomotive market as well as its positioning in the worldmarket. Data available\nby OICA (International Organization of Motor Vehicle Manufacturers) were used\nto better understand the characteristics of the Brazilian market on the world\nstage. A cluster analysis algorithm (by the k-means technique) ranks Brazil\nwith a concentration profile in a group of countries like US and South Korea,\nin contrast to countries such as Germany, Canada and Japan, or even France and\nItaly. It is rather usual to characterize the market structure through\nindustrial concentration indices: we revisit CR ratios (concentration ratios),\nHHI (Herfindahl-Hirschman index), B (Rosenbluth index), and CCI (Horvath\ncomprehensive concentration index). Data of Anfavea-Brazil (Associacao Nacional\ndos Fabricantes de Veiculos Automotores) were used to estimate these indices in\nthe period 2012-2018 for the national automobile industry. The values obtained\nindicate that by 1998 the automotive sector was behaving as an\noligopoly-differentiated. However, the values of more recent periods\n(particularly CR4) strongly indicate that the sector is currently moderately\nconcentrated and is changing for a quasi-devolved market.\n
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».