MétaCan
Menu
Retour à la cohorte
Enregistrement W1644774079 · doi:10.22004/ag.econ.148589

Optimal quality choice under uncertainty on market development

2012· preprint· en· W1644774079 sur OpenAlexaff
Lota D. Tamini

Notice bibliographique

RevueAgEcon Search (University of Minnesota, USA) · 2012
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAmbiguity aversionRisk aversion (psychology)DuopolyMicroeconomicsEconomicsQuality (philosophy)Stackelberg competitionProfit (economics)AmbiguityMonopolyExpected utility hypothesisComputer scienceFinancial economicsCournot competition

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the impact of risk and ambiguity aversion - Knightian uncertainty - on the choice of optimal quality and timing of market entry in the agri-food sector. Irreversibility of the investment in product development is introduced in a continuous-time stochastic model applying the real option literature. We consider a market characterized by a duopoly with a Stackelberg-Nash game for quality choice. When the follower provides a higher- quality good, the level of quality is decreasing in ambiguity aversion while it is a non-monotonic function of the level of risk. For low levels of risk, the increase of product quality is an efficient response. Up to certain threshold level of risk, risk and ambiguity aversion reduce the optimal quality level and increase the value of waiting when the follower supplies a higher-quality good. The implication is that risk and ambiguity aversion allow the leader to make a sustainable monopoly pro t. When the follower supplies a lower-quality good, there is no value for it to wait. It should therefore provide the lowest-quality good possible. In a vertically integrated supply chain rms provide higher quality, and the di¤erence between vertically integrated and non-integrated rms is increasing in risk and ambiguity aversion.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,618
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,102
Tête enseignante GPT0,271
Écart entre enseignants0,169 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgEcon Search (University of Minnesota, USA)Même sujetCapital Investment and Risk AnalysisTravaux en français237 207