Examining Demand Elasticities in Hanemann's Framework: A Theoretical and Empirical Analysis
Notice bibliographique
Résumé
This paper examines demand elasticities using an integrated framework proposed by Hanemann [Hanemann, M. W. 1984. Discrete/continuous models of consumer demand. Econometrica 52(3) 541–561], which models the incidence, brand choice, and quantity decisions of a consumer as an outcome of her utility maximization subject to budget constraints. Although the Hanemann framework has been the mainstay of earlier efforts to examine these decisions jointly, empirical researchers who have used the it to study purchase behavior have often found that the quantity elasticities are around −1, regardless of the brand or category. We attempt to uncover the underlying reasons for this finding and propose approaches to get as close to the “true” quantity elasticities as possible. We do this by (i) analytically demonstrating how assumptions on the distribution of the brand-specific econometrician's errors imply certain restrictions that in turn force quantity elasticities to −1, (ii) discussing how these restrictions can be alleviated by considering a suitable specification of unobserved parameter heterogeneity, and (iii) using scanner data to empirically illustrate the impact of the restrictions on quantity elasticities and the relative efficacy of multiple specifications of unobserved heterogeneity in easing those restrictions. We find that the specification of unobserved heterogeneity crucially influences estimates of quantity elasticities and that the mixture normal specification outperforms the alternatives.
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 | 0,008 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».