MétaCan
Menu
Retour à la cohorte
Enregistrement W3123433587

Settlement Escrows: An Experimental Study of a Bilateral Bargaining Game

2004· article· en· W3123433587 sur OpenAlexaff
Claudia M. Landeo, Linda Babcock

Notice bibliographique

RevueSSRN Electronic Journal · 2004
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEscrowSettlement (finance)InstitutionCertaintyActuarial scienceEconomicsQuality (philosophy)MicroeconomicsBusinessPolitical scienceLawFinanceMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper reports the results of a bargaining experiment. We follow the pretrial bargaining model of Gertner and Miller (1995) under uncertainty and examine the effect of a litigation institution, called a settlement escrow and uncertainty on the timing and quality of settlement outcomes. Our findings indicate that settlement rates are significantly higher when a settlement escrow is added to the bargaining process where there is asymmetric information. Quality of outcomes, measured as the percentage of the true damage that the outcome represents, is positively and significantly influenced by the addition of a settlement escrow. Settlement rates are higher when certainty is provided, under the no escrow institution. Quality of outcomes is negatively and significantly influenced by the addition of certainty. The escrow institution has no effect on bargaining outcomes, under the certainty condition; and, the provision of certainty has no effect on bargaining outcomes, under the escrow institution. These findings suggest first that the escrow is a useful device for improving efficiency when bargaining is conducted under uncertainty and second, that the escrow fully compensates the negative effect of uncertainty on bargaining processes.

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)0,014
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,055
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,004
Science ouverte0,0020,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,023
Tête enseignante GPT0,241
Écart entre enseignants0,218 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207