MétaCan
Menu
Retour à la cohorte
Enregistrement W7132869852

Essays in Macroeconomics

2025· dissertation· W7132869852 sur OpenAlexaffabout
Anubha Agarwal

Notice bibliographique

RevueTSpace · 2025
Typedissertation
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProduct marketOligopolySubsidyGeneral equilibrium theoryCompetition (biology)WelfareProduct (mathematics)Consumption (sociology)Product differentiationMonopolistic competition
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis examines key topics in macroeconomics, with an emphasis on firm dynamics, innovation, growth, and market power. In the first chapter, I study firm growth through geographic expansion and its implications for local product market competition. Using Canadian microdata, I document the rise in firms' geographic expansion and local competition from 2001-2018. To explain these trends, I build a dynamic general equilibrium model of firms' geographic expansion, incorporating multiple markets and local oligopolistic competition. Estimations reveal that higher innovation costs, a shift toward less productive entrants, and greater product differentiation are key drivers of the observed trends. I find that subsidizing the expansion of more productive and expansion-efficient firms can substantially increase efficiency and social welfare. Recent evidence shows a decline in local market concentration, despite rising national concentration in the United States. In the second chapter, I reconcile this divergence and explore its implications for consumer welfare using a model incorporating endogenous entry and markups. I show that lower market entry costs lead to increased entry into multiple markets, reducing local concentration, while also decreasing the total number of firms, raising national concentration. Calibration of the model shows that a 10% reduction in market entry costs increases the number of firms in a market by 4.38%, reduces the number of firms in the economy by 0.01%, and increases aggregate consumption and real wages by 2.36%. Cash utilization in U.S. merger and acquisition (M&A) transactions has increased over 50% since the early 1990s amidst a global M&A boom. In the jointly authored third chapter, we relate this cash-use to firms' cash stockpiles, firm innovation, and growth by posing a general equilibrium theory of R&D-intensive firm cash stockpiling and use in M&As. Cash bids in M&As close faster than those financed externally, reducing the risk of competing offers and trade breakdowns. A higher common-value component in M&A arising from transferable productivity of firms’ intangible assets boosts M&A competition and serial acquirer cash-stockpiles. Calibrated to the U.S. economy, we find that increasing transferable productivity differences and M&A competition can account for the majority of aggregate firm cash stockpiles since 1990.

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)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,004
Communication savante0,0060,006
Science ouverte0,0010,002
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0330,014

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 Opus0,031
Tête enseignante GPT0,296
Écart entre enseignants0,265 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetFirm Innovation and GrowthTravaux en français237 207