MétaCan
Menu
Retour à la cohorte
Enregistrement W4200116327 · doi:10.1177/1069031x211068072

Timing Market Entry: The Mediation Effect of Market Potential

2021· article· en· W4200116327 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of International Marketing · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of Guelph
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAttractivenessBusinessMultinational corporationMarket segmentationMarket penetrationIndustrial organizationEconometricsMarketingEconomics

Résumé

récupéré en direct d'OpenAlex

Timing a multinational firm's entry into a new country is a pivotal decision with long-term impact on the firm's overall performance; thus, a deeper understanding of the drivers of the decision and their interrelationship can yield significant managerial benefits. The authors explore the mediating role of market potential by decomposing the total effects of the decision's main drivers-macroeconomic attractiveness, market concentration, social heterogeneity, and population density-into direct and indirect effects. These decompositions explain the countervailing effects of some drivers that simultaneously make both positive and negative impacts. The data set encompasses mobile 4G broadband penetration in 130 countries, including market entry timings for 28 international operators in 79 countries. The authors establish the nature of the mediation effect of market potential on the drivers of entry timing. Using early penetration data, they utilize growth mixture modeling to divide the countries into four latent segments. They validate this segmentation using machine learning with the four key drivers as classifiers; the process establishes macroeconomic attractiveness as the predominant classifier. The analysis offers entry-timing guidance at both pre- and postlaunch stages.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,288
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,221
Écart entre enseignants0,211 · 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