MétaCan
Menu
Retour à la cohorte
Enregistrement W4205482444 · doi:10.1287/mnsc.2021.4217

Designing Product Development Contracts in the Presence of Managerial Lobbying

2022· article· en· W4205482444 sur OpenAlexaff
Ying Bao, Mengze Shi, Ajay Kalra

Notice bibliographique

RevueManagement Science · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésIncentiveBusinessQuality (philosophy)Resource (disambiguation)Plan (archaeology)Industrial organizationComputer scienceEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

We examine a firm’s contract design problem in the context of allocating resources to new products with uncertain potential being developed by the managers vying for funds. The firm faces twin problems of identifying the right project(s) to prioritize them, and next also motivate the managers to exert effort in implementing the project to successful fruition. The firm’s contract design can incentivize the managers either using a resource-based incentive plan, which offers a reward based on the number of resources invested in the projects, or offering a resource-decoupled incentive plan, which provides a standard reward disregarding the differential amount of resources invested. We consider a set-up where the manager has private information about project quality. During the prioritizing first stage, we allow the manager to lobby for the project by manipulating the signal of the project quality. We show that a resource-decoupled incentive plan impacts the lobbying by encouraging the manager of the higher quality project to manipulate the quality signal more to stand out. Therefore, although a resource-based incentive plan is more efficient in inducing the manager in exerting implementation effort, a resource-decoupled incentive plan may be preferred as it leads to more accurate resource allocation. Thus, allowing lobbying that involves exaggeration may be beneficial by amplifying a firm’s ability to identify high caliber projects. We demonstrate the robustness of our results in models where the firm chooses the level of evaluation threshold, where there are multiple projects, and where the project evaluations involve a ranking procedure. This paper was accepted by Duncan Simester, marketing.

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 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)0,016
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil0,777

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,098
Tête enseignante GPT0,361
Écart entre enseignants0,263 · 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 tête enseignante, 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement ScienceMême sujetAuction Theory and ApplicationsTravaux en français237 207