MétaCan
Menu
Retour à la cohorte
Enregistrement W3124713040

Welfare Standards, Substantive Tests, and Efficiency Considerations in Merger Policy: Defining the Efficiency Defense

2008· article· en· W3124713040 sur OpenAlexaboutno aff
An Renckens

Notice bibliographique

RevueSSRN Electronic Journal · 2008
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMerger and Competition Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWelfareProcess (computing)Economic efficiencyLaw and economicsTest (biology)Interpretation (philosophy)Merger controlPublic economicsEconomicsComputer scienceMicroeconomicsLawPolitical scienceCommission
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

For several years already, the efficiency defense (and its incorporation in the law) has been a much debated issue in merger policy. When discussing the introduction of an efficiency defense in merger control, it is important to define clearly its content and interpretation. However, different approaches to the concept of efficiency defense exist in the literature, and it is not always clear which jurisdictions apply an efficiency defense. Therefore, to improve communication and comparison between jurisdictions, it would be useful to reach agreement on the exact content of an efficiency defense. This paper proposes to define the efficiency defense along two dimensions: a conceptual one-related to the welfare standard-and a procedural one-related to the application of the substantive test. The main conclusion of this paper is that the concept of efficiency defense can only be appropriately applied under a total welfare standard and if efficiencies can be directly balanced against the anticompetitive effects of mergers on a case-by-case basis. Using this definition, only in Canada and Australia (formal review process) would an efficiency defense exist.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,102
score de la tête « metaresearch » (Gemma)0,157
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,538

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1020,157
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,006
Études des sciences et des technologies0,0060,067
Communication savante0,0170,022
Science ouverte0,0040,010
Intégrité de la recherche0,0140,015
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetMerger and Competition AnalysisTravaux en français237 207