MétaCan
Menu
Retour à la cohorte
Enregistrement W4316036267 · doi:10.1016/j.jue.2022.103529

In the eye of the storm: Firms and capital destruction in India

2023· article· en· W4316036267 sur OpenAlexaff
Martino Pelli, Jeanne Tschopp, Natalia Bezmaternykh, Kodjovi Eklou

Notice bibliographique

RevueJournal of Urban Economics · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensToronto Metropolitan UniversityCenter for Interuniversity Research and Analysis on OrganizationsUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésCyclone (programming language)Capital (architecture)StormBusinessPanel dataTropical cycloneQuality (philosophy)Tropical cyclone scalesEconomicsMeteorologyEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

The number and strength of climate-change-related disasters is increasing, and developing countries are bearing most of the brunt. In this paper we study how firms react to tropical cyclones in India . Using a panel of manufacturing firms between 1995 and 2006 and cyclone data from the National Oceanic and Atmospheric Administration, we find that the average cyclone destroys 2.2% of a firm’s fixed assets and decreases its sales by 3.1%. The impacts of the average cyclone are temporary and disappear after one year. Focusing on the heterogeneity of these results by firm and industry quality, we also find that capital and sales reallocate toward better-performing industries. Within industry , firm quality only matters for the response of sales.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,248

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,193
Écart entre enseignants0,184 · 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'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

Citations34
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Urban EconomicsMême sujetAgricultural risk and resilienceTravaux en français237 207