Operational collaboration between rivals: The impact of cost reduction
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.
Notice bibliographique
Résumé
Business rivals often collaborate on specific aspects of their operations in order to achieve cost efficiency. To better understand and manage such an operational collaboration, we formulate a multi‐stage duopoly competition model to study the strategic and welfare implications of a cost‐reducing cooperation between competing firms. Without any additional agreement beyond the collaborative effort in deterministic cost reduction, we characterize intuitive conditions under which there exists a unique equilibrium for the operational collaboration, where the high‐cost firm inputs more effort. Furthermore, the equilibrium cost reduction would benefit both firms when they have similar costs and/or their products have small substitutability. Moreover, such a pure operational collaboration never hurts consumer surplus. We then consider the effect of facilitating agreements and find that, 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. Finally, we assume that firms could receive signals of some random shock on the cost reduction process and examine the resulting Bayesian game. If the random shock is on the cost reduction fraction, then firms' equilibrium efforts could be independent of the random signal. If, however, the random shock is on the effort, then we apply simplifying assumptions and use special stochastic orders to capture the impact of signal variability on firms' effort levels. 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle