MétaCan
Menu
Retour à la cohorte
Enregistrement W4385807954 · doi:10.1080/00036846.2023.2244255

It’s all relative: consistent marginal effects with willingness to pay and willingness to accept framing in experimental auctions

2023· article· en· W4385807954 sur OpenAlexaff
Tongzhe Li, Laura A. Paul, Kent D. Messer, Harry M. Kaiser

Notice bibliographique

RevueApplied Economics · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Environmental Valuation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésWillingness to payWillingness to acceptEconomicsContingent valuationCommon value auctionFraming effectIncentive compatibilityFraming (construction)IncentiveMicroeconomicsEconometricsSocial psychologyPersuasionPsychology

Résumé

récupéré en direct d'OpenAlex

When eliciting consumer preferences for controversial products – an increasing number of which exist due to increasing demographic diversity and political polarization – conventional assumptions that all individuals derive positive marginal utility from consumption are challenged. It is relatively easy to adjust hypothetical stated preference questionnaires to include negative willingness to pay (WTP), but few studies on controversial products investigate how individuals behave using incentive-compatible revealed preference techniques. Using a framed field experiment with 292 adult subjects, we fill this gap by comparing the differences and similarities between a set of results that arise from the Becker-DeGroot-Marschak (BDM) mechanism between WTP versus willingness to accept (WTA) elicitation methods. This study has two main findings. First, in economic experiments eliciting preferences for controversial products, neither the WTP nor the WTA method fully discovers the true valuation range across all participants. Second, despite framing effects that give rise to different bid distributions, relative revealed preferences for the examined products are consistent under various interventions, indicating that WTP and WTA estimates have consistent policy implications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,184
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,267

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,184
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,005
Communication savante0,0030,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,234
Écart entre enseignants0,178 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied EconomicsMême sujetEconomic and Environmental ValuationTravaux en français237 207