XiaoMi-AI文件搜索系统
World File Search SystemGlaeser
评估空间平衡的运输改进
摘要定量城市模型的最新发展提供了一组新的工具，用于评估运输改进。常规的成本效益分析通常是部分平衡进行的。相比之下，定量城市模型表征了整个城市内经济活动的空间分布。我们使用常规的成本效益分析，基于市场获取变化的足够统计方法和基于模型的反事实来比较运输改进的评估。我们表明，定量的城市模型预测城市内经济活动的重组会响应运输改善，这可能会导致这三种方法的预测之间的实质性差异，以实现大规模运输成本变化。关键词：运输，空间经济学，城市经济学jel代码：R30； R40; R52本文是该中心城市计划的一部分。经济绩效中心由经济和社会研究委员会资助。本文是在访问斯坦福大学作为Trione访问教授时撰写的。我感谢斯坦福大学的款待。本文是为2025年韩国经济学国会的经济学和计量经济学专着的进步而委托的。我的思想受到了21世纪的研究项目的DOT-NBER经济学的影响，由Jim Poterba，Ed Glaeser和我本人协调。我感谢BingQing Yang获得出色的研究帮助。我要感谢Mark Bamba，Diana Furchtgott-Roth，Ed Glaeser，Benny Kleinman，Ernest Liu，Robert Hampshire，Jim Poterba，Darren Timothy，Matt Turner和Stephan Zoepf的有用评论和讨论。任何意见，错误和遗漏都是作者单独的责任
资本主义的品种：俄罗斯选择了哪种模式？
各种资本主义 - 作为国际政治经济学研究线（IPE）。Peter Hall＆David Soskice（编辑）“资本主义的品种：比较优势的制度基础”两个基本模型：自由市场经济（LME）与协调的市场经济（CME）法律原理 - 作为经济学研究线。La Porta的论文，Shleifer，Glaeser，Vishny通过对法律体系的深入研究对市场经济发展的差异进行解释：英语 - 普通法与法语法律法。在这两种情况下：由于苏联比较经济学的崩溃（集中于经济系统分析）的崩溃，对不同市场经济与“计划与市场”之间的竞争分析开始研究从计划到市场的过渡以及新兴市场经济之间的差异。
美国生活历史
for helpful comments, We thanked ran Abramitzky, Abhishek Arora, Leh Boustan, Leo Bursztyn, Martin Fiszbein, Vicky Fouka, Ed Glaeser, Grant Goehring, Claudia Goldin, Stefan Heblich, Pat Kline, bob Margo, Sendil Mullanathan, Hong Wang, David Yanagizawa-Drott, Noam Yuchtman和研讨会/会议/会议参与者在BU，Brown，Chicago，Cuhk深圳，哈佛大学，牛津，慕尼黑，NBER SUMMER Institute，Stanford，Warwick和Eth-Zurich举行。for outstanding research assistance, we thankstand lidia Barski, Augustus Balocher-Rubin, Catrina Brown, Vikram Dixit, Shreya Dutt, Ella Edmond, Soala Ekine, Giacomo Gattorno, Danile Gofffi, Mashod Harrison, Annie Herring, Justin Johnson, Angeli Kini, Dahlia Levine, Shraddha Mandi, Isaac while,盗窃Polyak，Simone Seiner，Elijah Sumernikov，Mafo Tekobo和Hans Xu。 所有潜在的错误都是我们自己的。 我们没有相关的财务关系披露。 本文所表达的观点是作者的观点，不必反映国家经济研究局的观点。for outstanding research assistance, we thankstand lidia Barski, Augustus Balocher-Rubin, Catrina Brown, Vikram Dixit, Shreya Dutt, Ella Edmond, Soala Ekine, Giacomo Gattorno, Danile Gofffi, Mashod Harrison, Annie Herring, Justin Johnson, Angeli Kini, Dahlia Levine, Shraddha Mandi, Isaac while,盗窃Polyak，Simone Seiner，Elijah Sumernikov，Mafo Tekobo和Hans Xu。所有潜在的错误都是我们自己的。我们没有相关的财务关系披露。本文所表达的观点是作者的观点，不必反映国家经济研究局的观点。
大语模型的算法勾结
∗第一个版本：2024年1月。由OpenAI的研究人员访问计划支持的研究。FISH得到了NSF研究生研究奖学金和Kempner Institute研究生奖学金的支持。Gonczarowski的研究得到了哈佛大学Fas Dean的有前途学术竞争基金的支持，并得到了美国倡议中哈佛大学FAS不平等的竞争基金。Shorrer的研究得到了美国 - 以色列双原则科学基金会（BSF Grant 2022417）的资助。我们感谢NBER市场设计新方向2023会议的组织者创造了一个启发这项研究的环境。我们感谢Ventz Petkov的宝贵技术援助，并感谢Susan Athey，Ben Enke，Edward Glaeser，Marc Henry，David Laibson，Rohit Lamba，Shengwu Li，Ariel Pakes和David Parkes的洞察力和讨论。我们感谢计量学会跨学科前沿（ESIF）经济学和AI+ML会议的参与者，EC 2024关于基金会模型和游戏理论以及在线广告的边界的研讨会：Autobidding，Genai，Genai，Beyond，以及哈佛大学的研讨会参与者的评论。†哈佛大学工程与应用科学学院 - 电子邮件：sfish@g.harvard.edu‡哈佛大学经济学系和计算机科学系 - 电子邮件：yannai@gonch.name
混合动力如何在家中工作
我们感谢我们在伯克利，斯坦福大学，南加州大学，加州大学洛杉矶分校，赛义夫 - 菲斯，埃姆斯2022，ESAM 2022，AEA，CESI，CESI，NBER，NBER，SCANCOR，AEI，AEI和LUOHAN的正式讨论者Ed Glaeser和观众的评论。我们感谢Smith Richardson Foundation和Toulouse Network的信息技术。最后，我们感谢Jennifer Cao，Tracy Zhang，Sherry Ye，Fangyuan Chen，Xing Zhang，Ying He，Ying He，Junyi Li，Trip.com的Junyi Ye，以及Stanford的Mert Akan和Shelby Buckman的数据，咨询和后勤支持，以及Lindiandian Yi的数据助理。利益冲突，AEA和IRB声明：未从Trip.com获得资金。James Liang是Trip.com的联合创始人，前首席执行官和现任董事长。没有其他合着者与Trip.com有任何财务关系。结果和论文均未由任何人预先筛选。实验开始后（邀请Bloom和Han分析数据），但在分析任何数据之前，该实验已在美国经济协会进行了注册。该实验是IRB的豁免，因为Bloom和Han加入该项目之前，Trip.com启动了实验，并且与Stanford团队只有匿名数据。本文所表达的观点是作者的观点，不一定反映国家经济研究局的观点。
比特币和区块链的经济极限
∗本文最初于2018年6月以较短的形式发行，如Budish（2018）。†致谢：我感谢编辑Andrei Shleifer，共同编辑Stefanie Stantcheva和六个副裁判员的宝贵建议。也要感谢Susan Athey，Vitalik Buterin，Glenn Ellison，Gene Fama，Alex Frankel，Joshua Gans，Joshua Gans，Matt Gentzkow，Matt Gentzkow，Edward Glaeser，Austan Goolsbee，Austan Goolsbee，Hanna Halaburda，Hanna Halaburda，hanna hanaburda，hanna halaburda，zhiguo he， Kroszner, Robin Lee, Jacob Leshno, Andrew Lewis-Pye, Shengwu Li, Jens Ludwig, Neale Mahoney, Gregor Matvos, Paul Milgrom, Sendhil Mullainathan, Vipin Narang, Neha Narula, Ariel Pakes, David Parkes, Al Roth, Tim Roughgarden, John Shim, Scott Stornetta, Adi Sunderam,查德·西弗森（Chad Syverson），Alex Tabarrok，Nusret Tas，David Tse，Rakesh Vohra和Numer-us-Ous研讨会观众。Ethan Che，Natalia Drozdo Q，Matthew O'Keefe，Anand Shah，Peyman Shahidi，Jia Wan和Tianyi Zhang提供了出色的研究帮助。‡芝加哥大学商学院，eric.budish@chicagobooth.edu
工作文件 30630
我们感谢 Rodrigo Adão、Pol Antràs、Robert Barro、Adrien Bilal、Vasco Carvalho、Raj Chetty、Gabriel Chodorow-Reich、Arnaud Costinot、Jonathan Dingel、John Friedman、Edward Glaeser、Sarah Griebel、Erik Hurst、Greg Kaplan、Marc Melitz、Brent Moulton、Holger Mueller、Esteban Rossi Hansberg、Andrei Shleifer、Eric Young 以及许多研讨会听众提出的有益评论。我们感谢 Adam Sheridan 的贡献以及丹斯克银行对数据工作的支持。Agustín Barboza、Jason Jia、Rodolfo Rigato 和 Samuel Zhao 提供了出色的研究协助。丹斯克银行客户记录的数据处理由丹斯克银行授权人员执行，遵守该银行严格的数据隐私准则。本次分析中使用的所有个人数据均已匿名化，数据中无法追踪到任何个人客户。我们非常感谢贝克尔·弗里德曼研究所、丹麦创新基金、丹麦国家研究基金会、Domenic and Molly Ferrante、丹麦经济政策研究网络、法玛-米勒中心、宏观金融研究计划、华盛顿公平增长中心和威廉·S·菲什曼基金的资助。CEBI 的活动由丹麦国家研究基金会拨款 DNRF134 资助。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
自动化的组织和经济障碍
我们感谢三位匿名审稿人、副主编和编辑提出的评论，这些评论极大地完善了本文。我们还要感谢 NBER 组织经济学会议、人工智能经济学会议、战略科学会议、沃顿企业战略与创新会议以及哥伦比亚商学院管理、分析和数据会议的听众提出的评论。我们感谢 Ed Glaeser、Claudia Goldin、Shane Greenstein、Bill Kerr、Frank Levy 和 Bob Margo 在我们关于电话操作自动化的研究早期阶段提供的反馈，以及 Ashish Arora、Sharon Belenzon、Victor Bennett、Wes Cohen、Bo Cowgill、Sharique Hasan 和 Kristina McElheran 在本文发展过程中提出的评论。我们特别感谢 Maggie Zhou 和 Jim Bessen 的有益讨论。感谢 Senan Hogan-Hennessy 和 Greg Saldutte 提供的出色研究协助；感谢 Elizabeth Crowley、Jesse Benedict、Yves Kertesz 和 Amanda LaFauci 提供的数据收集帮助；以及哈佛商学院的资金支持。我们还要感谢 Sheldon Hochheiser 和 AT&T 档案和历史中心提供的档案记录、反馈和事实核查。所有错误均由我们自己承担。本文表达的观点为作者的观点，并不一定反映美国国家经济研究局的观点。
报告法规和公司创新
我们非常感谢Ray Ball，Benjamin Balsmeier，Phil Berger，Jannis Bischof，Jannis Bischof，Judson Caskey，Hans Christensen，Wouter Dessein，Stephen Glaeser，Michelle Hanlon，Michelle Hanlon，John Hughes，Miao Liu，Miao Liu，Miao Liu，Miao Moon（Katie Moon（Katie Moth），凯蒂（Katie Moon），凯蒂（Katie Moth），莱特（Schanter） Van Lent，Alexander Wagner（讨论者），Alminas Zaldokas，Jingjing Zhang（讨论者）；芝加哥大学，芝加哥大学，伊斯兰教大学，兰开斯特大学，伦敦商学院，曼恩海姆大学，美国麻省理工学院，美国东京安大略哥省NTU新加坡的伦敦商学院，芝加哥大学，EAA VARS，兰开斯特大学，兰开斯特大学，兰开斯特大学，兰开斯特大学，伊斯兰教学院，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学，布斯科尼大学，伊斯兰教大学，芝加哥大学，布斯尼大学，伊斯兰教大学，伊斯兰教大学，伊斯兰教大学；以及2019年EASYS的会议，2019年伊斯特斯（2019年）在戈德大学（Goethe Frankfurt）举行的金融市场会议，2019年UNC/杜克大学秋季训练营，2019年德国经济学家国外的2019年国外经济学家会议，2020年AAA FARS中期会议，2021年欧洲会计会计会议，2021年AFA年度会议，2022年NBER私人会议，2021年的私人报告，对经济分析，以及20222222222。融资和芝加哥大学的总经济。本研究基于欧洲群岛的数据，2000年至2018年的社区创新调查（CIS）。从数据中得出的所有结论的责任完全在于作者。本文所表达的观点是作者的观点，不一定反映国家经济研究局的观点。
使用区位商识别集群和表征小区域产业专业化的缺陷
区位商是区域分析和政策研究和实践中最古老、最流行的州和地方产业结构衡量指标之一。区位商衡量的是某个地区工业部门的活动量（例如，总体就业或机构的百分比）相对于国家基准的水平，其中区位商值大于 1 表明该地区在该部门具有专业化。区位商用于识别聚集在特定地点的部门（Carroll 等人，2008 年；Porter，1990 年；O'Donoghue 和 Gleave，2004 年；Tian，2013 年）。当使用它们来发现集群并“挑选赢家”时，重点往往是指出具有高区位商值的实际部门（Crawley 和 Hallowell，2021 年）。由于区域产业专业化可以为企业节省成本，区位商也用于表示本地化经济和提供密集劳动力市场、专业投入和机械供应充足以及促进知识溢出流动的地区（De Propris，2005 年；Marshall，1920 年）。当用作产业专业化的衡量标准时，研究人员通常会研究区位商对其他区域指标（如产业就业变化或新企业创业）的影响（Artz 等人，2016 年；Bagchi-Sen 等人，2020 年；Fracasso 和 Vittucci Marzetti，2018 年；Gabe，2003 年；Glaeser 等人，1992 年）。