ESCUELA DE VERANO DE LA CEPAL 2018: .5 cm ......Intro Parte 1 Empresas y Productividad Superstar...

Intro Parte 1 Empresas y Productividad Superstar Firms Desigualdad Salarial Desigualdad de Genero Comentarios

ESCUELA DE VERANO DE LA CEPAL 2018:

DESIGUALDAD, TECNOLOGIA,INSTITUCIONES y PRODUCTIVIDAD

Sebastian Fleitas 1

University of Leuven and CEPR

Agosto 2018

1Las diapositivas en ingles estan tomadas de las presentaciones del Profesor PatrickKline y se encuentran disponibles en su pagina webSebastian Fleitas (Leuven & CEPR) CEPAL 2018 Agosto 2018 1 / 52

http://eml.berkeley.edu//~pkline/


Una mirada microeconomica al cambio estructuralPlan de la presentacion

1 Que sabemos y quien falta en la discusion de cambio estructural?

2 Tendencias micro en temas de cambio estructural

3 Una forma micro de aproximarnos a la heterogeneidad estructural?

Sebastian Fleitas (Leuven & CEPR) CEPAL 2018 Agosto 2018 2 / 52


Que es el cambio estructural?

Para mi cambio estructural es covergencia en productividadI Aumento de la productividad en los sectores en los que ya se produceI Movimiento hacia una estructura productiva de mayor productividad

Por que lo que se produce importa?I Por el lado de la demanda, no todos los bienes tienen la misma

demandaI Por el lado de la oferta, cambio tecnico sucede a diferentes ritmos en

diferentes sectores



Como medimos lo que se produce?

A nivel sectorial?

Dentro de la industria?

En las exportaciones?



Que evidencia tenemos a nivel macro sobre cambioestructural?

Un conjunto de trabajos indican:I Que los paıses que hicieron el cambio estructural crecieron masI Que los paıses que tienen mayor sofisticacion de las exportaciones

crecieron masI Que paıses con tipo de cambio (RER) devaluados generaron mas

cambio estructuralI Que a nivel de industrias hay convergencia incondicionalI Que parece haber una desindustializacion prematura



Quienes son los agentes del cambio estructural?

Gobierno via polıticas publicas

Donde estan las empresas?I La heterogeneidad en las empresas es un hecho estilizado claro entre y

dentro de los mercados



Preguntas fundamentales para entender el cambioestructural

El cambio estructural existe a partir de empresas

Como toman decisiones estas empresas?I Decisiones de las empresas incumbentesI Decisiones de exportacionI Decisiones de los emprendedores

Que incentivos generan los mercados donde estas empresas sedesenvuelven?



Empresas y Productividad

Como son las empresas en el modelo neoclasico mas basico?:I tomadoras de precios (sin poder de mercado)I y con iguales niveles de productividad

Que dice la evidencia? → heterogeneidad!!!

Como afecta esto la desigualdad?

Como afecta esto la desigualdad de genero?



What determines productivity?Chad Syverson

Journal of Economic Literature, 2011



Determinantes internos (a nivel de firma)

Practicas de Gestion y/o Talento

Mejor calidad de Insumos (Capital o Trabajo)

Tecnologıa de la informacion y R&D

Aprendizaje (Learning-by-doing)

Innovacion a nivel de producto

Estructura de las decisiones empresariales



Determinantes externos (mercado/contexto)

Derrames de productividad

CompetenciaI Competencia en el mercado internoI Competencia internacional

Regulacion o Desregulacion

Flexibilidad de los insumos



Productividad



Productividad y Top Income Inequality



Mayor heterogeneidad en Beneficios



Mayor heterogeneidad en Beneficios 2



Mayor concentracion



Mayor concentracion 2



Menor Entrada y Salida y Trabajos



Mercado de Capitales y Entrada



Automatizacion del Trabajo 1



Automatizacion del Trabajo 2



Acceso a Tecnologıa de Informacion



Acceso a Tecnologıa de Informacion y Disrupcion



Salarios y Desigualdad



Heterogeneidad Estructural y Desigualdad



Heterogeneidad Estructural y Desigualdad 2



The Fall of the Labor Share and the Rise of Superstar Firms

David Autor (MIT, NBER and IZA), David Dorn (University of Zurich andIZA), Lawrence F. Katz (Harvard University, NBER and IZA), Christina

Patterson (MIT) and John Van Reenen (MIT, NBER and IZA)

NBER Working Paper, May 2017



Idea Principal

The main argument of the authors is that markets have changed insuch a way that firms with superior quality, lower costs, or greaterinnovation get disproportionately high rewards relative to previousperiods.

Since these superstar firms have higher profit levels, they also tend tohave a lower share of labor in sales and value-added.

Therefore, as these firms gain market share across a wide range ofsectors, the aggregate share of labor falls.

In this way, superstar firms are one of the drivers of the decrease inlabors share (in favor of capitals share) of value added.



Principales Resultados

First, the authors find that sales concentration levels have risen inmost sectors.

Second, they show that the larger decreases in labors share areobserved in industries where concentration has increased the most.

Third, by comparing the weighted and unweighted mean of laborsshare, the authors conclude that the fall in labors share has animportant component of reallocation between (and not within) firms.

Furthermore, they find that the between-firm reallocation of laborsshare is greatest in the sectors that are concentrating the most.

Finally, these patterns are not only present in the US but also in manyEuropean countries.



Workplace Heterogeneity and the Rise of West German Wage InequalityCard, Heining, Kline

QJE, 2013



Motivacion: Cambios en la Estructura Salarial

Cambios en la oferta y demandaI Tecnologıa (Bound y Johnson, AER, 1992; Katz y Murphy, QJE,1992;

Autor, Levy, Murnane, QJE, 2003)I Demografıa (Freeman, JHR, 1079)I Educacion (Goldin and Katz, 2008)

InstitucionesI Salarios Mınimos (Lee, QJE, 1999)I Sindicatos (Freeman, ILRR, 1980)I Rentas sectoriales (Katz y Summers, Brookings PEA, 1989)



Que pasa con las fricciones?

Otras dos fuentes de dispersion salarial:I Efectos de Matching: Cada trabajo tiene un componente de

productividad particular y los trabajadores puede apropiarse de unaparte de el

I Tambien puede ser “rent-sharing”, “salarios de eficiencia” y “strategicwage posting behavior”.

El foco de Card, et al. es sobre el componente de firmaI El componente de firma de los salarios se ha incrementado en el

tiempo, contribuyendo al aumento de la desigualdad?



El trabajo de Card, et al.

Ellos analizan una base de datos que linkea empleados y empleadorespara Alemania (1985-2009) con datos de la seguridad social

Los cambios en Alemania en 90’s-00’s son similares a los de EstadosUnidos en 80’s y 90’s (Dustmann, Ludsteck y Schomberg, QJE, 2009)

Permite analizar un perıodo de fuerte cambio y el perıodo anterior.


‐30

‐25

‐20

‐15

‐10

‐5

0

5

10

15

1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009

Value of W

age Percen

tile ‐V

alue

in 1996

Year

Trends in Percentiles of Real Log Daily Wages(Relative to 1996 base)

20th Percentile

50th Percentile

80th Percentile


Metodologıa

Estimar un modelo de efectos fijos por personas, establecimientos y“match” separadamente para cuatro intervalos de tiempo.

Dar cuenta de “non-random sorting” de trabajadores a firmas vıavariaciones de los metodos presentados por Abowd, Kremarz andMargolis (Econometrica, 1999).

Examinar los patrones de cambio en el tiempo de los diferentescomponentes salariales.



Datos: Integrated Employment Biographies (Universo dedatos Seguridad Social)

Informacion sobre salarios, establecimientos (EID) y nivel educativo.

Asignacion de los trabajadores a un unico trabajo, basado en el EIDque les paga mas.

La muestra tiene trabajadores de Alemania OccidentalI solo hombresI edades entre 20 y 60 anosI con un salario diario de mas de 10 euros por dıa

Problema Principal: Top Coding (percentil 85)I Se imputa los salarios de la cola derecha de la distribucion usando un

modelo log-normal (regresiones Tobit con controles: ano, edad, ygrupo educativo)

Prueba de Robustez de los hallazgos principales: muestra de losaprendices.


0.32

0.36

0.40

0.44

0.48

0.52

0.56

1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009

Standard Deviatio

n of Log

Wages

Year

Evolution of Wage Inequality (Standard Deviation of Log Wages)

interval 1: 1985‐91interval 2: 1990‐1996

interval 3: 1996‐2002

interval 4: 2002‐2009


Regresion Principal

yit = αi︸︷︷︸Efecto Persona

+ ψJ(i,t)︸︷︷︸Efecto Firma

+ x ′i tβ︸︷︷︸Controles VT︸︷︷︸

Efectos Fijos (Wit)

+ ηiJ(i,t)︸︷︷︸“Match Effect”

+ ζit︸︷︷︸Drift

+ εit︸︷︷︸Transitory Error︸︷︷︸

Efectos Aleatorios (Ωit)

Efecto Persona: componente “portable” de los salarios deltrabajador

Efecto Firma: componente especıfico de la empresa de los salariosdel trabajador

Controles con variacion en el tiempo: variables dummy por “niveleducativo-ano” y edad interactuada con educacion

“Match-Effect”: heterogeneidad en el “efecto tratamiento”



Supuesto Central de Identificacion

E (Ωit |Wit) = 0

La variacion “buena” para el estudio proviene de:I trabajadores moviendose a empresas que pagan masI trabajadores de baja calidad siempre despedidos de empresas que

pagan muchoI “sorting” basado en las caracterısticas no vinculadas al salario

(esfuerzos de contratacion, tiempo de viaje, amenities)



Desafıos a la identificacion: Seleccion basada encomponente transitorio

Correlacion entre J(i , t) y εitSerıa algo ası como que la firma tuvo un mal ano y la gente por esose va de la firma al otro ano

I sobrestima el efecto en la firma de destino y subestima el efecto de lafirma de origen.

Shocks aleatorios en cada empresa deberıan promediarse a cero amedida que el T se incrementa.



Desafıos a la identificacion: Seleccion basada en el“match”

Correlacion entre J(i , t) y ηiJ(i ,t)

Posible si trabajadores tienen ventajas comparativas para un trabajo ytienen ademas poder de negociacion con sus empleadores.

Dos formas de “testear” este desafıo a la identificacion:I Un modelo que permita efectos fijos de trabajadores-por-firma (y no

efectos fijos por persona no importa en que empresa trabaja) deberıaajustarse mucho mejor a los datos.

I Las transiciones de gente igual entre empresas que pagan diferentedeberıan no ser simetricas (el “matching deberıa ser positivo”)



Seleccion basada en el “match”: EjemploSupongamos cuatro personas iguales (A,B,C y D) que trabajan en dosempresas distintas:

I dos de ellas (A,B) trabajan en Google que tiene un efecto firmanormalizado a cero (ψG = 0)

I las otras dos (C,D) trabajan en Facebook que tiene un efecto firma ψF

Supongamos que B se mueve desde Google a Facebook:

ψF + E [ηBF − ηBG ]︸︷︷︸lo cual es mayor que cero si hay “matching”

Supongamos que C se mueve desde Facebook a Google:

−ψF + E [ηCG − ηCF ]︸︷︷︸lo cual es mayor que cero si hay “matching”

Estudio de caso: efectos para los que se mueven son simetricos, locual se interpreta como evidencia de baja importancia del efecto“matching”



Desafıos a la identificacion: Seleccion basada en el Drift

Correlacion entre J(i , t) y ζit

Posible si las empresas aprenden rapido sobre los trabajadores y esteaprendizaje esta asociado con movilidad entre trabajos (Gibbons yKatz, REStud, 1992)

Por otro lado, el aprendizaje lleva tiempo (Lange, JLE, 2007):I Tendrıa que verse tendencias al aumento en salarios antes de moverse a

mejores firmas y tendencias a la baja antes de ir a una firma que pagamenos.



Identificacion

Los efectos firmas estan identificados por los establecimientosconectados por gente que se mueve entre ellos.

Con esta restriccion de las firmas conectadas implica el 90% de losestablecimientos y el 96% de los trabajadores.



Resultados


AKM explains nearly all of the rise in wage inequality

0.0

0.1

0.2

0.3

0.4

0.5

1985‐1991 1990‐1996 1996‐2002 2002‐2009

Standard Deviatio

n, RMSE

Standard deviation of log wages

RMSE, AKM Model

RMSE, Match Effects Model

Same for apprentice only sample

0.0

0.1

0.2

0.3

0.4

0.5

1985‐1991 1990‐1996 1996‐2002 2002‐2009

Standard Deviatio

n, RMSE

Standard deviation of log wages

RMSE, AKM Model

RMSE, Match Effects Model

0.00

0.05

0.10

0.15

0.20

0.25

0.30

1985‐1991 1990‐1996 1996‐2002 2002‐2009

Varia

nce Co

mpo

nents

Decomposition of Variance of Log Wages

Var. Residual

Cov. Xb with Person & Establ. Effects

Cov. Person & Establ. Effects

Var. Xb

Var. Establishment Effects

Var. Person Effects

Total variancerises 82%

Variance of person effectsrises 52%

Variance of estab. effectsrises 108%

2×Covariance Rises 1200%

0.00

0.02

0.04

0.06

0.08

0.10

0.12

0.14

0.16

0.18

0.20

1985‐1991 1990‐1996 1996‐2002 2002‐2009

Varia

nce Co

mpo

nents

Decomposition of Variance of Log Wages, Apprentices Only

Var. Residual

Cov. Xb with Person & Establ. Effects

Cov. Person & Establ. Effects

Var. Xb

Var. Establishment Effects

Var. Person Effects

Total varianceRises 39%

Variance of person effectsrises 44%

Variance of estab. effectsRises 77%

2×Covariance Rises 5400%


Principales Resultados

1 Efectos de firma fueron muy importantes para el aumento de ladesigualdad.

2 Correlacion positiva y creciente entre los efectos de establecimiento ylas personas.

3 La mayor parte de los incrementos de los retornos a la educacion sonatribuibles a los efectos de firma.

4 Los establecimientos mas nuevos (post-1995) tienen efectos firmamas desiguales.



Discriminacion de Genero


Women Earn Less Than Men


Discriminacion en Mercados Competitivos

Diferenciales de productividadI Con informacion imperfecta lleva a discriminacion estadıstica

Trabajo clasicos de Becker (1957)I Que los empleados tengan desutilidad de trabajar con mujeresI Que el consumidor discrimineI Que el empleador tenga desutilidad de emplear mujeres

Diferenciales de preferencias por flexibilidad y arreglos laborales



En mercados con fricciones

Las firmas pueden negociar los salarios (y los premios salariales).

Se agregan dos canales que contribuyen a diferenciales salarialesI Canal de “Sorting”

F Las mujeres trabajan en diferentes empresas...F empresas que tienen menores premios salariales

I Canal de “Bargaining”F Las mujeres trabajan en diferentes empresas...F empresas que tienen menores premios salariales



Bargaining, Sorting and the Gender Wage Gap:Quantifying The Impact of Firms on the Relative Pay of Women

Card, Cardoso, Kline, QJE, 2015



Que hacen ellos?

Estudio de efectos de los canales de “bargaining” y “sorting” enbrecha de genero en Portugal (2002-2009)

DatosI Datos similares a los de AlemaniaI Matching de empresas y trabajadores y datos financieros de empresas

MetodologıaI Similar a la de Alemania pero separado para hombres y mujeresI Descomposicion (a la Oaxaca) entre “bargaining” y “sorting”


Table 1: Descriptive Statistics for Various Samples of Employees in QP, 2002‐2009

Males Females Males FemalesMean Age 38.1 36.9 38.0 36.4Mean Years Schooling 8.0 8.8 8.6 9.1 Fraction 6 yrs ed. 0.23 0.20 0.20 0.19 Fraction 9 yrs ed 0.21 0.20 0.22 0.19 Fraction w/ Degree 0.09 0.13 0.11 0.15

Mean Log Real Hrly Wage 1.59 1.41 1.71 1.48

Mean Monthly Hours 162.6 158.0 162.8 157.1Fraction Fems at Firm 0.24 0.70 0.30 0.64Number per‐year obs. 9,070,492 7,226,310 6,012,521 5,012,736Number of persons 2,119,687 1,747,492 1,450,288 1,247,503Number of firms 349,692 336,239 84,720 84,720

All QP (Age 19‐65): Dual‐Connected Set

Econometric Framework

•  Wage determina+on: = alterna+ve market wage = surplus in current match = gender specific rent sharing coefficient

wit = ait + G(i)SiJ(i,t)t

SiJ(i,t)t

G(i)

ait

Surplus and Market Wage •  Variance components specifica+on of surplus:

Surplus = fixed, firm-‐wide component + +me-‐varying firm component + match effect

•  Market wage has fixed and varying components:

SiJ(i,t)t = SJ(i,t) + J(i,t)t + miJ(i,t)

ait = ↵i + X 0it

G(i) + "it

Reduced Form

•  Assump+ons so far yield:

•  AKM model with gender-‐specific firm effects

•  If men gain more at high wage firms

wit = ↵i + G(i)J(i,t) + X 0

itG(i) + rit

M > F

G(i)J(i,t) G(i)SJ(i,t)

Table&3:&&Summary&of&Estimated&Models&for&Male&and&Female&Workers

Males Females German&MenSummary'of'Parameter'Estimates:'AKM'ModelStd.&dev.&of&pers.&effects&(person@yr&obs.) 0.420 0.400 0.357Std.&dev.&of&firm&effects&(person@yr&obs.) 0.247 0.213 0.230Std.&dev.&of&Xb&(across&person@yr&obs.) 0.069 0.059 0.084Correlation&of&person/firm&effects 0.167 0.152 0.249Adjusted&R@squared 0.934 0.940 0.927Correlation&male&/&female&firm&effectsComparison'job;match'effects'model:

0.590

Adjusted&R@squared& 0.946 0.951 0.949

Std.&deviation&match&effect&in&AKM&model 0.062 0.054 0.075

Share'of'variance'of'log'wages'due'to:&&&&&&&&&&&&person&effects 57.6 61.0 51.2&&&&&&&&&&&&firm&effects 19.9 17.2 21.2&&&&&&&&&&&&covariance&of&person/firm&effects 11.4 9.9 16.4&&&&&&&&&&&&Xb&and&associated&covariances 6.2 7.5 5.2&&&&&&&&&&&&residual 4.9 4.4 5.9

Decomposition of Firm Wage Setting Effects

E[øm|male] = mean premium for males

E[øf|female] = mean premium for females

E[øm|male]!E[øf|fem] = contrib. to gap

=E[øm|male]!E[øf|male]+ E[øf|male]!E[øf|fem]

= E[øm!øf | male] + E[øf|male]!E[øf|fem]

È È

bargaining sorting


Resultados

En total, “bargaining” y “sorting” combinados explican 20% de labrecha de genero

En cuanto a “bargaining”I Mujeres reciben 90% de premios salariales de hombresI Estable entre y dentro de firmas en el tiempoI Mas relevante para mujeres para mujeres con mas educacion

En cuanto a “sorting”I Mujeres con menos probabilidad de trabajar en firmas de altos salariosI Sorting mas importante para trabajos de menor calificacion


Table 3: Contribution of Firm‐Level Pay Components to Gender Wage Gap

Using M Using F Using M Using F

Men Women Effects Effects Distrib Distrib(1) (2) (3) (4) (5) (6) (7) (8)

All 0.234 0.148 0.099 0.049 0.035 0.047 0.003 0.015(21.2) (14.9) (19.9) (1.2) (6.3)

By Age:

<30 0.099 0.114 0.087 0.028 0.019 0.029 ‐0.001 0.009(28.2) (18.9) (29.3) 1.2 (9.3)

31‐40 0.228 0.156 0.111 0.045 0.029 0.040 0.004 0.016(19.7) (12.6) (17.8) (1.9) (7.0)

>40 0.336 0.169 0.099 0.069 0.050 0.064 0.005 0.019(20.6) (15.0) (19.1) (1.5) (5.6)

Total Effect of Firm Pay

DecompositionsSorting BargainingMean Premiums:

Wage Gap

Table 3: Contribution of Firm‐Level Pay Components to Gender Wage Gap

Using M Using F Using M Using F

Men Women Effects Effects Distrib Distrib(1) (2) (3) (4) (5) (6) (7) (8)

All 0.234 0.148 0.099 0.049 0.035 0.047 0.003 0.015(21.2) (14.9) (19.9) (1.2) (6.3)

By Educ.

< HS 0.286 0.115 0.055 0.059 0.045 0.061 ‐0.002 0.015(20.8) (15.6) (21.4) 0.6 (5.2)

HS 0.262 0.198 0.137 0.061 0.051 0.051 0.010 0.010(23.3) (19.6) (19.5) (3.8) (3.7)

Univ. 0.291 0.259 0.213 0.047 0.025 0.029 0.018 0.022(16.1) (8.7) (9.9) (6.2) (7.4)


DecompositionsSorting BargainingMean Premiums:

Wage Gap

Table 4: Contribution of Firm‐Level Pay Components to Gender Wage Gap, by Modal Occupation

Using M Using F Using M Using FEffects Effects Dist. Dist.

(1) (2) (3) (4) (5) (6) (7) (8)

All 0.234 0.148 0.099 0.049 0.035 0.047 0.003 0.015(21.2) (14.9) (19.9) (1.2) (6.3)

Managers 0.251 0.217 0.205 0.012 ‐0.001 0.001 0.012 0.013(69% male) (4.9) (‐0.3) (0.2) (4.6) (5.2)

Profess'al 0.143 0.264 0.232 0.032 0.005 0.015 0.017 0.027(47% male) (22.0) (3.5) (10.4) (11.6) (18.5)

Technical 0.135 0.249 0.189 0.060 0.038 0.040 0.020 0.022(63% male) (44.3) (28.0) (29.4) (14.8) (16.3)

Clerks 0.159 0.239 0.177 0.063 0.049 0.052 0.011 0.014(40% male) (39.5) (30.8) (32.6) (6.9) (8.7)

Services 0.162 0.065 0.052 0.013 0.013 0.023 ‐0.010 ‐0.001(33% male) (7.7) (8.3) (14.0) (‐6.3) (‐0.6)


DecompositionsSorting BargainingMean Premiums

Wage Gap Men Women

Appendix Table B4: Decompositions by Industry

Gap

All 0.234 0.148 0.099 0.049 0.035 0.047 0.003 0.015

Food Products 0.315 0.119 0.041 0.078 0.038 0.041 0.037 0.041

Textiles 0.263 0.048 0.013 0.035 0.002 0.032 0.003 0.033

Chemicals 0.254 0.284 0.181 0.104 0.061 0.042 0.061 0.043

Metals 0.253 0.153 0.165 ‐0.012 ‐0.012 ‐0.007 ‐0.005 0.001

Construction ‐0.042 0.071 0.097 ‐0.026 ‐0.015 ‐0.002 ‐0.024 ‐0.011

Trade 0.211 0.106 0.083 0.023 0.015 0.015 0.008 0.008

Hotels and Rest. 0.164 0.003 0.019 ‐0.015 0.001 0.011 ‐0.027 ‐0.017

Finance 0.207 0.416 0.390 0.025 0.008 0.006 0.019 0.017

Wage Male Premium

Female Premium

BargainingSorting

male effects

female effects

Total Effect

male effects

female effects


Comentarios Finales

Causas proximas y ultimas de desigualdad salarial:I TecnologıaI Menor adherencia a los contratos sectoriales (negociacion por empresa)I Offshoring/Outsourcing y fragmentacion de las firmasI Comercio Internacional?I Cuanto de la variacion de los salarios se debe a variacion de

productividad (+ fricciones en los mercados)?F que explica esta variacion de productividad: poder de mercado?

cambios en la regulacion?

Cuanto de la brecha de genero explican estos factores ligados a lasempresas?

I Por que?I Que polıticas publicas para combatir discriminacion?



Fuentes de graficos usados

ILO (2016): Can collective bargaining create a fairer economy, Clickaquı

Jason Furman (2016): Productivity, Inequality, and Economic Rents,Click aquı

Jason Furman y Jeffrey Zients (2016): Thinking Outside the CableBox: How More Competition Gets You a Better Deal, Click aquı

Council of Economic Advisers Issue Brief (2016): Benefits ofCompetition and Indicators of Market Power, Click aquı

Economic Report of the President (2016): Chapter 5, Technology andInnovation, Click aquı

Jason Furman y Peter Orszag (2015): A Firm-Level Perspective onthe Role of Rents in the Rise in Inequality, Click aquı


http://www.ilo.org/infostories/

http://www.ilo.org/infostories/

https://promarket.org/productivity-inequality-economic-rents/

https://www.whitehouse.gov/blog/2016/04/15/ending-rotary-rental-phones-thinking-outside-cable-box

https://www.whitehouse.gov/sites/default/files/page/files/20160502_competition_issue_brief_updated_cea.pdf

https://www.whitehouse.gov/sites/default/files/docs/ERP_2016_Chapter_5.pdf

https://www.whitehouse.gov/sites/default/files/page/files/20151016_firm_level_perspective_on_role_of_rents_in_inequality.pdf

Date post:	15-Aug-2020
Category:	Documents
Upload:	others
View:	0 times
Download:	0 times

ESCUELA DE VERANO DE LA CEPAL 2018: .5 cm ......Intro Parte 1 Empresas y Productividad Superstar...

Documents