MétaCan
Menu
Retour à la cohorte
Enregistrement W2744035952 · doi:10.1287/mnsc.2016.2628

The Effect of Discretion on Procurement Performance

2017· preprint· en· W2744035952 sur OpenAlexaff
Decio Coviello, Andrea Guglielmo, Giancarlo Spagnolo

Notice bibliographique

RevueManagement Science · 2017
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésDiscretionRegression discontinuity designCommon value auctionProcurementValue (mathematics)BusinessMicroeconomicsLanguage changeJudicial discretionEconomicsPublic economicsMarketingComputer sciencePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

We run a regression discontinuity design analysis to document the causal effect of increasing buyers’ discretion on procurement outcomes in a large database for public works in Italy. Works with a value above a given threshold have to be awarded through an open auction. Works below this threshold can be more easily awarded through a restricted auction, where the buyer has some discretion in terms of who (not) to invite to bid. Our main result is that discretion increases the probability that the same firm wins repeatedly, and it does not deteriorate (and may improve) the procurement outcomes we observe. The effects of discretion persist when we repeat the analysis controlling for the geographical location, corruption, social capital, and judicial efficiency in the region of the public buyers running the auctions. Data and the online appendix are available at https://doi.org/10.1287/mnsc.2016.2628 . This paper was accepted by John List, behavioral economics.

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)0,015
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,900
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0050,002
Intégrité de la recherche0,0000,000
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 Opus0,064
Tête enseignante GPT0,408
Écart entre enseignants0,343 · 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.

Devis d'étudeAutre devis
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetAuction Theory and ApplicationsTravaux en français237 207