MétaCan
Menu
Retour à la cohorte
Enregistrement W3107098561 · doi:10.3386/w28145

On the Effects of the Availability of Means of Payments: The Case of Uber

2020· report· en· W3107098561 sur OpenAlexaff
Fernando Álvarez, David Argente

Notice bibliographique

RevueNational Bureau of Economic Research · 2020
Typereport
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésPaymentEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

We use three quasi-natural experiments in Mexico and one in Panama to estimate the effects of having the option to pay with cash on Uber rides. The ability to pay in cash affects the demand for rides, which is reflected in large changes in the total number of trips, fares, miles, and number of users after Uber introduced cash payments, particularly in lower-income city blocks. On the other hand, the effects on prices, estimated times of arrival, and competitor pricing are negligible, consistent with the supply of trips being very elastic. Although cash payments naturally increase the fraction of users that pay exclusively with cash, more than half of the users have access to both cards and cash, and alternate between payment methods. We find evidence consistent with cash and card payments being imperfectly substitutable at both the intensive and extensive margins, which magnifies the impact of policies that restrict the availability of payment methods.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,447
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,187
Tête enseignante GPT0,398
Écart entre enseignants0,211 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetDigital Platforms and EconomicsTravaux en français237 207