MétaCan
Menu
Retour à la cohorte
Enregistrement W3125529544

Firm Learning and Growth

2015· preprint· en· W3125529544 sur OpenAlexaff
Costas Arkolakis, Theodore Papageorgiou, Olga A. Timoshenko

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2015
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésWelfareProductivityEconomicsSubsidyMatching (statistics)Growth modelGeneral equilibrium theoryMicroeconomicsLearning-by-doingEconometricsIndustrial organizationMacroeconomicsProduction (economics)MathematicsStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We study the implications of introducing learning (Jovanovic, 1982) in a standard monopolistically competitive environment with firm productivity heterogeneity, a ́ la Melitz (2003). The model predicts that firm growth rates decrease with age, hold-ing size constant, and decrease with size, holding age constant, a fact that models focusing on idiosyncratic productivity shocks have difficulty matching. We calibrate the model using Colombian plant-level data and find that it matches growth and survival patterns well. Unlike the canonical Melitz (2003) model or the Jovanovic (1982) model our economy is not efficient. Subsidies to the fixed costs of young firms can be welfare enhancing: they allow young firms to avoid early exit and thus, benefit consumers through access to a larger number of varieties.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,612
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
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 Opus0,062
Tête enseignante GPT0,303
Écart entre enseignants0,241 · 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'étudeObservationnel
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

Citations9
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFirm Innovation and GrowthTravaux en français237 207