MétaCan
Menu
Retour à la cohorte
Enregistrement W3158702766

Operational Collaboration Between Rivals: Strategic and Welfare Implications

2020· article· en· W3158702766 sur OpenAlexaff
Milind Sohoni, Xin Geng, Harish Krishnan

Notice bibliographique

RevueDigital Eprints Services at ISB (DESI) (Indian School of Business) · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMerger and Competition Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDuopolyEconomic surplusCompetition (biology)Industrial organizationCost reductionNegotiationBusinessMicroeconomicsPaymentWelfareRandomnessEconomicsCournot competitionMarketingFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Business rivals often collaborate on specific aspects of their operations. The collaboration can benefit firms operationally, but may also intensify competition. To better understand and manage this interaction, this paper studies the strategic and welfare implications of a cost-reducing operational collaboration between competing firms. We formulate a duopoly competition model to capture important aspects of the problem, which includes the possible use of facilitating agreements and randomness in cost reduction. Our analysis starts with operational collaboration without any additional agreement beyond the collaborative effort in deterministic cost reduction. While the high-cost firm always benefits from it, the low-cost firm needs to consider the products substitutability and the firms' asymmetry in cost. Moreover, such a pure operational collaboration never hurts consumer surplus. We then consider the effect of centrally decided facilitating agreements. Specifically, with a properly designed unit transfer payment, the competition may be softened so that both firms are willing to collaborate. However, consumer surplus may decrease as a consequence. We further discuss the situation in which the facilitating agreement results from a negotiation process. Finally, we examine the impact of the randomness in cost reduction. We find that, for risk-neutral firms, the uncertainty in the potential cost savings may either increase or decrease the likelihood of collaboration; and the stochastic orders between the two firms' cost reduction may have non-intuitive implications on their willingness to collaborate. Our findings provide useful managerial insights into the underlying drivers of an operational collaboration between rivals.

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)0,013
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: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0030,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,037
Tête enseignante GPT0,228
Écart entre enseignants0,192 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Eprints Services at ISB (DESI) (Indian School of Business)Même sujetMerger and Competition AnalysisTravaux en français237 207