MétaCan
Menu
Retour à la cohorte
Enregistrement W3123664073

A New Venture's Optimal Entry Time

2002· article· en· W3123664073 sur OpenAlexaff
Moren Lévesque, Dean A. Shepherd

Notice bibliographique

RevueSSRN Electronic Journal · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRivalryProfit (economics)Volatility (finance)Industrial organizationBusinessMicroeconomicsEconomicsBarriers to entryMarket structureFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A general assumption is that early entry into themarket with a new venture is advantageous, increasing the profit potential.However, empirical research suggests that pioneers have a greater risk offailure than later entrants. A model is proposed of the entry timing decision that depends both onenvironmental volatility and competitive rivalry. The approach isdecision-theoretic; it identifies when a decision-maker will benefit most fromstarting an activity rather than delaying it for one more period. The modelconsiders the trade-off between profit potential and mortality risk, as well asother factors encouraging the new venture to enter the market. It offers asimple optimal entry rule based on combinations of values for environmentalvolatility and competitive rivalry, which defines an entry decision threshold:the likelihood of earlier entry for the new venture should increase when thereis an increase in the environmental volatility initially faced by thepioneer. The performance-maximizing time to enter the market is described, and it isdemonstrated how the entry time is affected by changes in the businessenvironment. The time-based criteria are translated into environmental terms,and it is suggested that management set a target environmental level to be metbefore entering the market. The target should be adjusted over time in order tomeet the changes in the business context. The model's theoretical insights aretranslated into testable propositions, and recommendations are made for futureresearch.(LMH)

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,002

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 Opus0,012
Tête enseignante GPT0,184
Écart entre enseignants0,172 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetFirm Innovation and GrowthTravaux en français237 207