MétaCan
Menu
Retour à la cohorte
Enregistrement W4401365732 · doi:10.1080/10242694.2024.2378278

Offset Multipliers and Defence Industrial Policy Efficiency

2024· article· en· W4401365732 sur OpenAlexaff
Ugurhan G. Berkok

Notice bibliographique

RevueDefence and Peace Economics · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDefense, Military, and Policy Studies
Établissements canadiensRoyal Military College of CanadaQueen's University
Organismes subventionnairesnon disponible
Mots-clésOffset (computer science)ProcurementEconomicsPurchasingValuation (finance)IncentiveTransaction costIndustrial organizationMicroeconomicsBusinessOperations researchOperations managementComputer scienceFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

Mandatory offsets are policy instruments to leverage defence procurement projects to conduct industrial policy. The prime contractor commits to generate new business in mutually acceptable sectors equivalent to a large percentage of the project value. Offset multipliers “relax” this constraint by discounting the prime contractor’s offset obligations if investments flow to sectors prioritized by the purchasing country’s industrial policy objectives. This endogenizes the relationship between the original project and the offset contracts. This paper provides a new theoretical analysis of the following three questions that have gone unaddressed in the literature. First, the efficiency of such policies depends on the absorption capacity of a targeted industry. If this capacity is low, import substitution is expensive and the prime contractor may rather choose to invest elsewhere in the economy to satisfy the overall mandatory offset constraint thereby thwarting the original objective. Second, whereas a uniform relaxation of offsets through multipliers can reduce distortions introduced by mandated offsets, multipliers may enhance distortions as an unintended consequence. Third, the prime contractor’s response to offset credit incentives may be weak due to transaction costs arising from having to find new domestic partners to satisfy the offset requirements and manage the contracts.

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)0,007
score de la tête « metaresearch » (Gemma)0,025
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,050
Tête enseignante GPT0,239
Écart entre enseignants0,189 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDefence and Peace EconomicsMême sujetDefense, Military, and Policy StudiesTravaux en français237 207