Holiday Price Rigidity and Cost of Price Adjustment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Thanksgiving–Christmas holiday period is a major sales period for US retailers. Due to higher store traffic, tasks, such as restocking shelves, handling customers' questions and inquiries, running cash registers, cleaning and bagging, become more urgent during holidays. As a result, the holiday‐period opportunity cost of price adjustment may increase dramatically for retail stores, which should lead to greater price rigidity during holidays. We test this prediction using weekly retail scanner price data from a major Midwestern supermarket chain. We find that, indeed, prices are more rigid during holiday periods than non‐holiday periods. For example, the econometric model we estimate suggests that the probability of a price change is lower during holiday periods, even after accounting for cost changes. Moreover, we find that the probability of a price change increases with the size of the cost change, during both the holiday as well as non‐holiday periods. We argue that these findings are best explained by higher price adjustment costs (menu cost) the retailers face during the holiday periods. Our data provides a natural experiment for studying variation in price rigidity because most aspects of market environment such as market structure, industry concentration, the nature of long‐term relationships, contractual arrangements, etc. do not vary between holiday and non‐holiday periods. We, therefore, are able to rule out these commonly used alternative explanations for the price rigidity, and conclude that the menu cost theory offers the best explanation for the holiday period price rigidity.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle