Fighting for Fares: Uber and the Declining Market Price of Licensed Taxicabs
Notice bibliographique
Résumé
In this paper, we study how the emergence of Uber in a large North American city affects the financial value of taxicab licenses. A taxicab license provides a claim to a stream of dividends in the form of rents generated by operating the taxicab or leasing the license. The introduction of Uber undoubtedly affects the anticipated stream of dividends because Uber drivers capture part of the farebox revenue that might otherwise go to the owners/drivers of licensed taxicabs. At the same time, the launch of Uber's innovative technology-driven approach to the provision of ride-hailing services can be viewed as a partial obsolescence of the traditional taxicab approach. The economic incentives facing market participants may therefore change as Uber gains momentum in the ride-hailing market, which could further affect the market value of licensed taxicabs. Using transaction-level data, we apply a theory of asset pricing to the secondary market for Toronto taxicab licenses to explore these potential price effects. We learn that both the farebox and innovation effects contribute to the overall decline in market value, with the farebox effect accounting for just over half of the $170K price decline from 2011 to 2017. We explore the welfare implications for taxicab license owners with counterfactual simulations. We find that, consistent with the anti-Uber protests organized by Toronto taxi drivers, there was a high willingness to pay among license holders to prevent or postpone the launch of Uber's ridesharing services.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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.
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 ».