Identification and Counterfactuals in Dynamic Models of Market Entry and Exit
Notice bibliographique
Résumé
This paper deals with a fundamental identification problem in the structural estimation of dynamic oligopoly models of market entry and exit. Using the standard datasets in existing empirical applications, there are three components of a firm’s profit function that are not separately identified: the fixedcostofanincumbentfirm, the entry cost of a new entrant, and the scrap-value of an exiting firm. We study the implications of this result on the power of this classofmodelstoidentifytheeffects of different comparative static exercises and counterfactual public policies. First, we derive a closed-form relationship between the three unknown structural functions and two functions that are identified from the data. We use this relationship to provide the correct interpretation of the estimated objects that are obtained under the ‘normalization assumptions ’ considered in most applications. Second, we characterize a class of counterfactual experiments that are identified using the estimated model, despite the non-separate identification of the three primitives. Third, we show that there is a general class of counterfactual experiments of economic relevance that are not identified. We present a numerical example that illustrates how ignoring the non-identification of these counterfactuals (i.e., making a ‘normalization assumption ’ on some of the three primitives) generates sizable biases that can modify even the sign of the estimated effects. Finally, we discuss possible solutions to deal with these identification problems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».