MétaCan
Menu
Retour à la cohorte
Enregistrement W2273463959

Technological Collaboration and Collusion: A Trigger Strategy

2007· article· en· W2273463959 sur OpenAlexaff
Gamal Atallah

Notice bibliographique

RevueSSRN Electronic Journal · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMerger and Competition Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCollusionIndustrial organizationCournot competitionMicroeconomicsCompetition (biology)Comparative staticsScope (computer science)EconomicsQuality (philosophy)Order (exchange)Product (mathematics)Tacit collusionBusinessComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The paper analyses the relationship between technological collaboration and collusion. Firms can collude or defect on the output market, but with the novelty that there is a possibility of developing a new technology jointly. The development of the new technology is conditional on prior collusion by firms. The paper derives three main results. First, it is found that technological collaboration facilitates product market collusion, but only in the short-run, by creating an equilibrium where firms collude initially in order to develop the new technology, and then defect afterwards. Nonetheless, there is less defection compared with the standard trigger strategy model. Second, it is shown how the equilibrium depends on the discount factor; in particular, delayed defection is sustained for intermediate ranges of the discount factor. Finally, the comparative statics analysis shows how the equilibrium is affected by changes in the environment. An increase in the scope of the market, an increase in the number of firms, and a lower quality technology all contribute to making collusion more difficult. Whereas permanent collusion is affected only by changes in the number of firms, delayed defection is affected also by the scope of the market and the quality of the new technology. The results are shown to extend to Bertrand competition, although in the latter case there is less delayed defection than under Cournot competition.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,261
Score d'incertitude au seuil0,345

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 recherche0,0000,001
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 Opus0,013
Tête enseignante GPT0,227
Écart entre enseignants0,214 · 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'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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetMerger and Competition AnalysisTravaux en français237 207