Notice bibliographique
Résumé
Chapter 2 provides a tractable model that separates firms’ incentive problems and coordination problems during the initiation of collusion. In the Chilean pharmaceutical industry, firms collude through price leadership. Collusion gradually diffuses among markets: firms collusively raise prices in a couple of markets per week. We propose a model of price leadership under the dynamic pricing game framework to incorporate the coordination problems by allowing firms’ beliefs about competitors’ conduct to be biased towards a competitive equilibrium. As firms observe supracompetitive prices, they adaptively learn that competitors are willing to collude. We show that gradualism is explained by the heterogeneous market characteristics as well as firms’ learning to coordinate. Chapter 3 develops the likelihood-ratio based test of the null hypothesis of a m₀-component model against an alternative of (m₀+1)-component model in the normal mixture panel regression. I show that the normal mixture panel regression does not suffer from the Fisher Information matrix degeneracy under the reparameterization proposed in Kasahara and Shimotsu [89]. As a result, the likelihood ratio test statistic can be approximated by a local quadratic expansion of squares and products of the reparameterized parameters. Moreover, I obtain the data-driven penalty function via computational experiments to attend to the unbounded likelihood ratio. In addition, I apply the test to random coefficient Cobb-Douglas production function estimation following the framework of Gandhi et al. [63] and Kasahara and Shimotsu [90]. The empirical findings suggest evidence of heterogeneous production technology beyond the Hicks-neutral technology factor. Chapter 4 develops a modified expectation-maximization(EM) algorithm to incorporate unobserved heterogeneity for the dynamic discrete choice model that does not require the finite dependence property. Following the Euler Equation(EE) representation of dynamic discrete decision problems, we provide an alternative conditional choice probability (CCP) value function representation that relies only on the CCP of one action. We illustrate the computational gains with Monte Carlo simulations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».