MétaCan
Menu
Retour à la cohorte
Enregistrement W3124820926

Demand Externalities from Co-Location

2012· preprint· en· W3124820926 sur OpenAlexaboutno aff
Boudhayan Sen, Jiwoong Shin, K. Sudhir

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2012
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpillover effectExternalityCompetition (biology)LoyaltyProfit (economics)BusinessMicroeconomicsGross profitEconomicsIndustrial organizationMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

McGill and Yale University for their helpful comments. Demand Externalities from Co-Location We illustrate an approach to measure demand externalities from co-location by estimating household level changes in grocery spending at a supermarket among households that also buy gas at a co-located gas station, relative to those who do not. Controlling for observable and unobserved selection in the use of gas station, we find significant demand externalities; on average a household that buys gas has 7.7 % to 9.3 % increase in spending on groceries. Accounting for differences in gross margins, the profit from the grocery spillovers is 130 % to 150 % the profit from gasoline sales. The spillovers are moderated by store loyalty, with the gas station serving to cement the loyalty of store-loyal households. The grocery spillover effects are significant for traditional grocery products, but 23 % larger for convenience stores. Thus co-location of a new category impacts both inter-format competition with respect to convenience stores (selling the new category) and intra-format competition with respect to other supermarkets (selling the existing categories). Key Words: Revenue economies of scope, demand externalities, one stop shopping, co-location, selection, retail industry

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)0,009
score de la tête « metaresearch » (Gemma)0,049
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,547

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,049
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,006
Études des sciences et des technologies0,0020,001
Communication savante0,0020,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,1630,009

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 Opus0,053
Tête enseignante GPT0,316
Écart entre enseignants0,263 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetConsumer Market Behavior and PricingTravaux en français237 207