MétaCan
Menu
Retour à la cohorte
Enregistrement W3124123089

General licensing schemes for a cost-reducing innovation

2002· preprint· en· W3124123089 sur OpenAlexaff
Debapriya Sen, Yair Tauman

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2002
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIntellectual Property and Patents
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésInnovatorDuopolyCournot competitionIncentiveMonopolyMicroeconomicsOligopolyIndustrial organizationStochastic gameEconomicsBusinessEntrepreneurship
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Two general forms of standard licensing policies are considered for a non-drastic cost-reducing innovation: (a) combination of an upfront fee and uniform linear royalty, and (b) combination of auction and uniform linear royalty. It is shown that in an oligopoly, the total reduction in the cost due to the innovation for the pre-innovation competitive output forms the lower bound of the payoffs of both outsider and incumbent innovators. Further, the private value of the patent is increasing in the magnitude of the innovation, while the Cournot price and the payoff of any other firm fall below their respective pre-innovation levels. Sufficiently significant innovations from an outsider innovator are licensed exclusively to a single firm. Otherwise, all other firms, except perhaps one, become licensees. The dissemination of the innovation is generally higher with an incumbent innovator compared to an outsider. For both outsider and incumbent innovators, the monopoly does not provide the highest incentive to innovate; for sufficiently insignificant innovations, it is the duopoly that does so, and, the industry size that provides the highest incentive increases with the magnitude of the innovation. Finally, it is argued that significant innovations are more likely to occur when the innovator is an incumbent firm.

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)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,005
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,216
Tête enseignante GPT0,319
Écart entre enseignants0,103 · 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'étudeThéorique ou conceptuel
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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetIntellectual Property and PatentsTravaux en français237 207