MétaCan
Menu
Retour à la cohorte
Enregistrement W3121805640

Bidder Motives in Cause Related Auctions

2009· article· en· W3121805640 sur OpenAlexaff
Ernan Haruvy, Peter T. L. Popkowski Leszczyc

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCommon value auctionDonationRevenueIncentiveBusinessMicroeconomicsAffect (linguistics)Value (mathematics)EconomicsMarketingPsychologyFinanceComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract. A cause-related auction is different from a list price setting in two major ways: First, the donation percentage directly affects the price of the item in that consumers ’ value for charitable contributions enters their bids. Second, charitable consumers have a price externality on non-charitable consumers, so even a segment of consumers who place a premium on charitable contributions can significantly affect prices for everybody else. The purpose of this paper is to characterize both the charity premium and the impact of the charitable segments with a careful field design. We examine individual choice between pairs of simultaneous auctions identical in all but percentage of the proceeds donated to charity. We investigate the extent to which individuals are willing to pay a charity premium in choice between auctions of various donation percentages. We use a mixture model approach to allow for different types of individual preferences. In analysis of choices between pairs of auctions, we find that individuals fall into three segments—bargain seekers and two altruistic segments. The altruistic segments, which drive up the charity premium, can in turn be classified into warm glow bidders—who derive a pleasure from doing the right thing—and other-regarding bidders—who are sensitive to the percentage given to charity. Further analysis shows that warm glow bidders positively contribute to the charity premium in pairs of auctions that do not differ much in donation percentages, whereas the

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,634
Score d'incertitude au seuil0,420

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,371
Écart entre enseignants0,324 · 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'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

Citations5
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetExperimental Behavioral Economics StudiesTravaux en français237 207