Investigating the Dynamic Effects of Counterfeits with a Random Changepoint Simultaneous Equation Model
Notice bibliographique
Résumé
Using a unique panel dataset and a new model, this article investigates the dynamic effects of counterfeit sales on authentic-product price dynamics.We propose a Bayesian random-changepoint simultaneous equation model that simultaneously takes into account three important features in empirical studies:(1) Endogeneity of a market entry, (2) Nonstationarity of the entry effects and (3) Heterogeneity of the firms' response behaviors.Besides accounting for the endogeneity of counterfeiting, the proposed methodology improves the estimation of dynamic effects under heterogeneous response times by firms.We identify both a temporary negative short-term effect and a stable positive long-term effect of counterfeit sales on the authentic prices.Such effect estimates are biased in the OLS model and attenuated in a standard IV model.The findings help to unify two strands of I.O.theories on the pricing effects of competition.Finally, our analysis identifies considerable heterogeneity in authentic firms' response behaviors (both response time and magnitude), and the hierarchical structure of our model enables a study of the drivers of the heterogeneity.This study casts managerial insights on effective brand protection and management strategies that can be tailored to each type of firms.The method illustrated provides a new approach to use field data to study the determinants of a firm's response time, an important dimension of management strategy.In particular, firms with more human capital or less diversification from infringed markets were faster in responding and differentiating from counterfeits.The proposed framework can be widely applied to study dynamic and heterogeneous causal effects of marketing variables.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».