MétaCan
Menu
Retour à la cohorte
Enregistrement W3123890969 · doi:10.1162/rest_a_00420

Nested or random coefficients logit? A comparison between alternative discrete choice models of product differentiation

2014· article· en· W3123890969 sur OpenAlexaff
Frank Verboven, Laura Verboven Grigolon

Notice bibliographique

RevueLirias (KU Leuven) · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMixed logitNested logitEconometricsLogitDiscrete choiceLogistic regressionMarket segmentationMathematicsProduct (mathematics)EconomicsProduct differentiationStatisticsMathematical economicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

© 2014 by the President and Fellows of Harvard College and the Massachusetts Institute of Technology. We propose a random coefficients nested logit (RCNL) model to compare the tractable nested logit (NL) model with the more complex random coefficients logit (RC) model. After a simulation study, we use data on the European automobile market. Both the NL and RC models are rejected against the RCNL model. The RC model results in different substitution patterns and a wider market definition than the NL and RCNL models. Nevertheless, the predicted price effects from mergers are robust across models. Our findings stress the importance of accounting for discrete sources of market segmentation not captured by continuous product characteristics.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,358
Score d'incertitude au seuil0,832

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,060
Tête enseignante GPT0,293
Écart entre enseignants0,232 · 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

Citations114
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLirias (KU Leuven)Même sujetConsumer Market Behavior and PricingTravaux en français237 207