MétaCan
Menu
Retour à la cohorte
Enregistrement W1520534345

Optimal Incentives in Dynamic Multiple Project Contracts

2007· preprint· en· W1520534345 sur OpenAlexaff
Josepa Miquel‐Florensa

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2007
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésExternalityCommitIncentivePrincipal (computer security)Valuation (finance)MicroeconomicsBusinessPaymentEconomicsActuarial scienceContract managementFinanceComputer scienceMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We design a multiple project-funding contract that provides optimal incentives to recipients, in a setting where externalities exist among the multiple projects and where donors and recipients may differ in their valuation of the projects. To do so, we study optimal incentive payments in a dynamic principal-agent framework with focus on two-project contracts. The principal cannot observe the agent’s investment, but only completed projects. We consider principals that cannot commit to contract termination before completion of the projects; we assume that the contract does not end until both projects are accomplished. We derive the optimal contract for each possible combination of principal-agentproject characteristics to find that projects should be undertaken simultaneously when value externalities among them are large, i.e. when completing both projects gives the recipient significantly more utility than the sum of the projects’ independent values. The principal’s utility maximizing strategy, when technical externalities among projects are important, is a sequential contract that starts with the project that generates the externality. We find that differences in project valuation between agents and recipients may, in some cases, lead to inefficient contracts, when in other situations the ability of the principal to choose the timing of the project competition may be a safety clause for him.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,844
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,112
Tête enseignante GPT0,453
Écart entre enseignants0,341 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations2
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetAuction Theory and ApplicationsTravaux en français237 207