MétaCan
Menu
Retour à la cohorte
Enregistrement W4413073932 · doi:10.18235/0013598

Supply chain networks and the macroeconomic expectations of firms

2025· other· en· W4413073932 sur OpenAlexfundno aff
Ina Hajdini, Saten Kumar, Samreen Malik, J.R. Norris, Mathieu Pedemonte

Notice bibliographique

RevueEconstor (Econstor) · 2025
Typeother
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Policies and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesTamkeenYork UniversityNew York University Abu DhabiAuckland University of Technology, New ZealandUniversité Laval
Mots-clésSpillover effectUpstream (networking)Downstream (manufacturing)Supply chainEconomicsMonetary economicsAggregate (composite)Investment (military)Inflation (cosmology)MicroeconomicsBusinessMarketingTelecommunicationsOperations management

Résumé

récupéré en direct d'OpenAlex

Using a randomized control trial of approximately 1,000 firm pairs in New Zealand that have a customer-supplier relationship, we provide an information treatment to analyze both the direct effects on expectations and actions of firms receiving this information and the spillover effects on connected firms that did not directly receive information. In a follow-up three months later, we find direct and spillover effects on expectations and actions that are both significant and of comparable magnitude. An increase in expected GDP growth increases prices and employment; an increase in expected GDP uncertainty reduces prices, investment, and employment. We provide evidence that it is communication between the firms, as opposed to observable actions, driving the spillover effect on the expectations of connected firms. This is consequential as we find communication to be symmetric upstream vs downstream, while propagation via actions is asymmetric. We embed firm-to-firm communication along the supply chain in a New Keynesian pricing problem and discuss its implications for the transmission of aggregate uncertainty to firms pricing decisions and aggregate inflation.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,010
Tête enseignante GPT0,206
Écart entre enseignants0,197 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetEconomic Policies and ImpactsTravaux en français237 207