MétaCan
Menu
Retour à la cohorte
Enregistrement W605077644

Home Country Bias in the Legal System: Empirical Evidence from the Intellectual Property Rights Protection in Canada

2013· preprint· en· W605077644 sur OpenAlexaffabout
Joseph Mai, Andrey Stoyanov

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2013
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésIntellectual propertyWelfareInnovatorOligopolyEconomicsBusinessPublic economicsPolitical scienceLawMarket economy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Are judges concerned with the effect of their decisions on national welfare in the same way as policy-makers do? In this paper we analyze this question by examining the outcomes of intellectual property rights (IPR) litigations between domestic and foreign .rms. We develop a simple model of oligopoly where foreign .rms have access to more efficient production technology and show that weak protection of foreign-owned IPR always leads to welfare gains at home. We also show that the positive welfare e¤ect increases with the size of the foreign innovator, as well as in the size of the domestic imitator. We test predictions of the model using the data on all Canadian IPR cases over a four-year period. We find that domestic firms are substantially more likely, by 17 percentage points, to succeed in litigations with foreign firms than with other Canadian firms. We also find evidence supporting the hypothesis of the home bias in the legal system. Specifically, we establish that courts' decisions are aligned with welfare maximization principles so that foreign firms are less likely to win in those cases when the implied welfare gains from not protecting foreign IPR are greater.

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)0,003
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,049
Score d'incertitude au seuil0,358

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0050,003
Communication savante0,0030,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,126
Tête enseignante GPT0,279
Écart entre enseignants0,153 · 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

Citations5
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207