Essais sur la concentration spatiale industrielle
Bibliographic record
Abstract
La concentration spatiale de l’activité économique fascine par ses extrêmes et intrigue en même temps par les paradoxes qui l’accompagnent. Pour tenter de mieux comprendre ce phénomène, cette thèse apporte une contribution essentiellement empirique à travers ses trois chapitres. Dans le chapitre 1 intitulé, "Land for production : Evidence from Canadian Manufacturing Industries", nous combinons des microdonnées des établissements avec des données de polygons pour construire une mesure de la quantité d’espace utilisé par les établissements manufacturiers au Canada. Puis, à l’aide d’un cadre conceptuel simple, nous montrons comment le foncier par unité de travailleur varie avec les prix relatifs du foncier, le paramètre technologique et l’élasticité de substitution entre le travail et le foncier. Nos résultats suggèrent que le foncier et le travail sont des substituts imparfaits, que le foncier a une compposante fixe, et comporte des coûts d’ajustement non négligeables. Dans le chapitre 2 intitulé "The causes of the agglomeration of innovation : Evidence from the coagglomeration patterns", nous utilisons la mesure de Duranton and Overman (2005) pour décrire la coagglomération de l’innovation au Canada. Cette description révèle que l’innovation canadienne est concentrée et même plus que la production. Ensuite, nous estimons l’effet causal de "l’échange des intrants", de "l’utilisation d’un bassin commun de travailleurs" et de la "diffusion des connaissances" sur la coagglomération de l’innovation. L’analyse montre qu’en plus de la coagglomération de la production, seule la diffusion de connaissances a un effet positif et significatif sur la coagglomération de l’innovation. Dans le chapitre 3 intitulé "A complément to the test of localization of Duranton and Overman (2005)", nous appliquons la méthodologie de Duranton and Overman (2005), en utilisant un nouveau contrefactuel pour étudier l’agglomération des établissements manufacturiers canadiens. Le nouveau contrefactuel, qui tient compte plus précisément des choix de localisation possibles des entreprises, détecte mieux la localisation et la dispersion des industries. De plus, des différences substantielles sont observées entre la classification générée avec le nouveau contrefactuel et celle du contrefactuel classique. Nos résultats suggèrent par ailleurs que la localisation et la dispersion seraient plus fortes que ce qui est généralement admis.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".