Modeling the evolution of competitive market structure via competitive group dynamics
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
Purpose This paper aims to examine the evolution of a competitive market structure over time through the lens of competitive group membership dynamics. Design/methodology/approach A new hidden Markov modeling approach is devised that accounts for the three sources of competitive heterogeneity involving managerial strategy, corporate performance and the impact of strategy on performance. In addition, some observed “entry” and “exit” states are considered to model firms’ entry into and exit from the market. The proposed model is illustrated with an investigation of the US banking industry based on a data set created from the COMPUSTAT database. This paper estimated the model within the Bayesian framework and devised a reversible jump Markov chain Monte Carlo estimation procedure to determine the number of latent competitive groups and uncover the characteristics of each group. Findings This paper shows that the US banking industry, contrary to the prior findings of having a relatively stable structure, has, in fact, gone through dramatic changes in the past number of decades. Originality/value Contrary to prior work that has primarily focused on managerial strategy to study market evolutions, the competitive groups perspective accounts for all three sources of intra-industry competitive heterogeneity. In addition, unlike prior research, the analysis is not limited to firms remaining in the panel of study for the entire observation period. Such limitation results in missing the various changes that occur in the competitive market structure because of the new entrants or the struggling firms that do not survive in the market.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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