Economic Analysis of Telecommunications Markets and Policy
Notice bibliographique
Résumé
My dissertation consists of two essays on the economics of telecommunications. The first chapter studies the implications of the Canadian Radio-television and Telecommunications Commission's (CRTC's) Third-Party ISP Access (TPIA) regulation, which requires internet-service providers (ISPs) to sell access to their network to third-party providers (TPPs) at wholesale prices. We estimate household preferences over internet plans using novel subscription and usage data and then calibrate a model of entry by TPPs to match the observed market structure. Our estimates characterize the regulator's trade-off: reducing the wholesale price increases TPP entry and consumer welfare, but decreases ISP revenues and the incentive to invest in networks. We then calculate the optimal wholesale price for different regulator objectives. Chapter 2 describes current levels of household demand for wireline broadband data using recent detailed data from a North American Internet Service Provider. Additionally, we examine application-level data demand to identify which types of internet applications use the most bandwidth. Our calculations show that, conservatively, 85\% of households on average would need to spend less than five extra hours per month to use the same amount of data if their download speed were throttled to 50 Mbps (for households who choose plans faster than 50 Mbps). The households most affected by the throttling are those that more frequently download large files. Our results suggest that many current wireline broadband subsidy policies across North America and Western Europe over-weight the welfare importance of access to speeds over 100/10 Mbps.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».