MétaCan
Menu
Retour à la cohorte
Enregistrement W2115482408 · doi:10.1287/mksc.1070.0285

Research Note—Channel Structure with Knowledge Spillovers

2008· article· en· W2115482408 sur OpenAlexaff
Sudheer Gupta

Notice bibliographique

RevueMarketing Science · 2008
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMerger and Competition Analysis
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCompetitor analysisIncentiveIndustrial organizationCompetition (biology)BusinessProcess (computing)Channel (broadcasting)Investment (military)Organizational structureMarketingMicroeconomicsEconomics

Résumé

récupéré en direct d'OpenAlex

We study two main questions in this paper: (1) How do spillovers of knowledge created by manufacturers' investments in process innovation affect channel structure and effort investment incentives? (2) What are the interactions between organizational incentives to form joint ventures and strategic alliances with competitors, and coordinate decisions vertically with downstream channel members? We focus on situations where spillovers are involuntary, firms' innovative activities are nonoverlapping, and firms benefit directly from the results of competitors' innovations. Under these conditions, we find that spillovers in process knowledge increase the likelihood of observing decentralized channel structures. Surprisingly, decentralized manufacturers invest more in process innovation than perfectly coordinated manufacturers do when spillovers are large. Moreover, in industries where large spillovers exist, horizontal cooperation among manufacturers induces higher levels of process innovation investments than channel coordination does. From a public policy perspective, however, the desirability of such cooperative arrangements among competitors depends on channel structure: joint ventures among decentralized manufacturers are more likely to meet the regulators' criteria of raising effort investments than cooperation among integrated manufacturers would be. Investment incentives are best provided when firms share their process knowledge and are buffered from subsequent price competition by independent retailers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,004
Communication savante0,0040,008
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,001

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,282
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations99
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarketing ScienceMême sujetMerger and Competition AnalysisTravaux en français237 207