MétaCan
Menu
Retour à la cohorte
Enregistrement W3015569507 · doi:10.3386/w26956

The Value of Urgency: Evidence from Real-Time Congestion Pricing

2020· report· en· W3015569507 sur OpenAlexaff
Antonio M. Bento, Kevin Roth, Andrew Waxman

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typereport
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésValue of timeTollEconomicsValue (mathematics)MicroeconomicsEconometricsTransaction costDiscrete choiceTime value of moneyWillingness to payConstant (computer programming)Travel timeComputer science

Résumé

récupéré en direct d'OpenAlex

In Becker (1965) and neoclassical microeconomic theory the value of time is a constant fraction of the hourly wage.When taken to data, however, this value departs from theoretical predictions, and appears to vary with the amount of time saved.By observing drivers on freeways opting to enter toll lanes with high-frequency, time-varying prices that secure a minimum level-of-service, we uncover a new and fundamental aspect of preferences for travel time savings related to urgency.The presence of preferences for urgency, which reflect the fact that individuals often face discrete penalties for being late, allows us to reconcile the pattern observed in the data with neoclassical theory.Using a rich, repeated-transaction data and individual-level hedonic estimation, we show that the value of urgency accounts for 87 percent of total willingness-to-pay for time savings.As a result, ignoring the value of urgency in cost-benefit analysis severely underestimates the true value of time savings that projects deliver, as such omission will typically ignore non-trivial welfare gains to a potentially large number of individuals.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,039
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,558
Tête enseignante GPT0,449
Écart entre enseignants0,109 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetEconomic and Environmental ValuationTravaux en français237 207