Requirement or Promise? An Analysis of the First‐Mover Advantage in Quality Contracting
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
Quality contracting is critical and challenging due to the many unique issues related to quality. In this study, we analyze the first‐mover right in quality contracting by considering two different strategies for the buyer: the quality requirement strategy (QR) where buyer moves first by posting quality requirement to suppliers and quality promise strategy (QP) where buyer voluntarily gives up the first‐mover right to suppliers to ask them to promise quality. We study which strategy (1) better encourages suppliers' quality improvement efforts and (2) leads to a higher expected profit for the buyer. To analyze the drivers behind the buyer's choice between QR and QP, we start with the basic model where buyer faces only one supplier who has the opportunity to make quality improvements. We then gradually add other business features such as information asymmetry and supplier competition, analyzing how each feature adds/changes the driving forces and how they interact in the buyer's decision between QR and QP. We consider both the case where the wholesale price is fixed (when the buyer has the power to dictate price or price is set by the market) and the case where the wholesale price is included as a variable (when price is part of the negotiation). We find that QP always leads to the first‐best quality efforts from the supplier(s) while QR limits their efforts. However, this does not guarantee higher expected profit for the buyer under QP. We provide insightful guidelines in buyer's choice between QP and QR. This research enriches the limited literature on quality contracting with quality improvement opportunity and asymmetric information.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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