MétaCan
Menu
Retour à la cohorte
Enregistrement W2766122438 · doi:10.1111/jems.12387

Multiple‐quality Cournot oligopoly and the role of market size

2020· article· en· W2766122438 sur OpenAlexaff
Ngo Van Long, Zhuang Miao

Notice bibliographique

RevueJournal of Economics & Management Strategy · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGlobal trade and economics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésOligopolyCournot competitionQuality (philosophy)MicroeconomicsEconomicsMarket shareMarginal costIndustrial organizationMarket structureProduct (mathematics)Investment (military)Fixed costBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract We model an oligopoly where firms are allowed to freely enter and exit the market and choose the quality level of their products by incurring different setup costs. Using this framework, we study the mix of firms in the long‐run Cournot–Nash equilibrium under different cost structures and the effects of market size on market outcomes. Specifically, we consider two alternative specifications of cost structure. In the first specification, quality upgrading requires a large increment in the setup cost or R&D investment. Under this cost structure, we show that in the Nash equilibrium, each firm specializes in a single quality level, and an increase in the market size leads to (a) an increase in the fraction of firms that specialize in the high‐quality product, (b) an increase in the market share of the high‐quality product, and (c) a reduction in firms’ markups and in markup dispersion. Under the second type of cost structure where quality upgrading only requires higher marginal cost, we find that all firms will produce both types of product, and the value share of the high‐quality product increases as the market expands, but in quantity terms, the market share of the high‐quality product does not change. Finally, we find that trade liberalization has broadly similar effects to that of a market expansion, but the supply of the high‐quality product from the smaller economy may decrease.

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)0,001
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 enseignants0,302
Score d'incertitude au seuil0,719

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,218
Écart entre enseignants0,167 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Economics & Management StrategyMême sujetGlobal trade and economicsTravaux en français237 207