MétaCan
Menu
Retour à la cohorte
Enregistrement W3130685755

Water Under the Bridge: Determinants of Franchise Renewal in Water Provision

2015· preprint· en· W3130685755 sur OpenAlexaff
Eshien Chong, Stéphane Saussier, Brian S. Silverman

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2015
Typepreprint
Langueen
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFranchiseEconomic rentBiddingBusinessPrice premiumNatural monopolyMonopolyTransaction costLocal governmentPublic economicsGovernment (linguistics)EconomicsLabour economicsWillingness to payMicroeconomicsFinanceMarketingPublic administration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Williamson’s 1976 study of natural-monopoly franchise bidding launched extensive debate concerning the degree to which transaction-cost problems afflict government franchising. We propose that municipalities vary in ability to discipline franchisees, and that this heterogeneous ability affects franchise renewal patterns and the quasi-rents that franchisees extract. We study provision of municipal water services in France, a setting characterized by both direct public provision and franchised private providers. We find that small municipalities pay a significant price premium for franchisee-provided water when compared with publicly provided water; in contrast, large municipalities do not pay a premium on average. Further, large municipalities are less likely to renew an incumbent franchisee that charges an price, while small municipalities’ renewal patterns are not influenced by franchisees’ excessive pricing. We interpret the results as evidence that although large municipalities can discipline franchisees and thus prevent extraction of quasi-rents, small municipalities are less able to do so due to weaker outside options. (JEL: H0, H7, K00, L33) (This abstract was borrowed from another version of this item.)

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)0,002
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,132
Tête enseignante GPT0,423
Écart entre enseignants0,291 · 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'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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetAuction Theory and ApplicationsTravaux en français237 207