MétaCan
Menu
Retour à la cohorte
Enregistrement W3122897537

Legal Institutions, Sectoral Heterogeneity, and Economic Development

2006· preprint· en· W3122897537 sur OpenAlexafffund
Rui Castro, Gian Luca Clementi, Glenn MacDonald

Notice bibliographique

RevueThe Faculty Digital Archive (New York University) · 2006
Typepreprint
Langueen
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensUniversité de Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversité de Montréal
Mots-clésInvestment goodsInvestment (military)Capital goodEconomicsRelative priceMonetary economicsConsumption (sociology)Capital (architecture)Total factor productivityReturn on investmentInternational economicsMarket economyProductivityMacroeconomicsGoods and servicesBusiness cycleProduction (economics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

(Download the most recent version) Poor countries have lower PPP–adjusted investment rates and face higher relative prices of investment goods. It has been suggested that this happens either because these countries have a relatively lower TFP in industries producing capital goods, or because they are subject to greater investment distortions. This paper provides a micro–foundation for the cross–country dispersion in investment distortions. We first document that firms producing capital goods face a higher level of idiosyncratic risk than their counterparts producing consumption goods. In a model of capital accumulation where the protection of investors ’ rights is incomplete, this difference in risk induces a wedge between the returns on investment in the two sectors. The wedge is bigger, the poorer the investor protection. In turn, this implies that countries endowed with weaker institutions face higher relative prices of investment goods, invest a lower fraction of their income, and end up being poorer. We find that our mechanism may be quantitatively important.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,851
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,001
Science ouverte0,0020,004
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,219
Écart entre enseignants0,181 · 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.

Devis d'étudeSans objet
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

Citations2
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Faculty Digital Archive (New York University)Même sujetEconomic Growth and DevelopmentTravaux en français237 207