MétaCan
Menu
Retour à la cohorte
Enregistrement W1984648587 · doi:10.1093/jleo/ews017

Contract Form and Technology Adoption in a Network Industry

2012· article· en· W1984648587 sur OpenAlexaff
Silke J. Forbes, Mara Lederman

Notice bibliographique

RevueThe Journal of Law Economics and Organization · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueAviation Industry Analysis and Trends
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOutsourcingIndustrial organizationRevenueBusinessTransaction costDatabase transactionSet (abstract data type)CommerceMarketingFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

All major U.S. carriers subcontract portions of their networks to regional partners who may either be owned or governed with contracts. Beginning in the late 1990s, there is a change in the nature of contracts in this industry, with fixed price contracts replacing revenue sharing contracts as the predominant contractual form. Moreover, this change is correlated with the diffusion of a new aircraft technology, the regional jet (RJ). To explain this correlation, we investigate whether technological features of the RJ led majors to subcontract new types of flights to their regionals and whether these new flights had characteristics that favored the new contractual form. In particular, we argue that, in addition to the standard insurance/incentives tradeoff, there may be a second advantage to fixed price contracts in this setting as they eliminate the haggling over route selection that can arise under revenue sharing. Combining detailed data on RJ adoption with a novel dataset on contractual form, we show that the emergence of the new technology did result in regionals being used in new ways- for example, serving long, thin spokes and supplementing or replacing the major’s own flights. We then investigate whether these new uses are consistent with a change in the optimal contract and find that they are. Specifically, relative to turboprops, RJs were more likely to serve to serve flights whose characteristics suggested that the standalone revenue of the flight might provide limited incentives for a regional to operate that flight.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,357
Score d'incertitude au seuil0,215

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,016
Tête enseignante GPT0,201
Écart entre enseignants0,185 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations17
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Law Economics and OrganizationMême sujetAviation Industry Analysis and TrendsTravaux en français237 207