Identification and Inference in First-Price Auctions with Collusion
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
This dissertation develops a method to detect collusion and estimate its effect on the seller's revenue in first-price auctions with independent, private valuations. The challenge is that collusion may be difficult to detect because colluders can use a simple and costless strategy to make their bids appear competitive. If the econometrician observes an exogenous shifter of the level of competition in the auction in addition to the winning bids, a statistical test for collusion by a given bidder can be formulated as a test of independence between the exogenous shifter and the valuations that rationalize its bids under the null hypothesis that it is not colluding. Simulations confirm this test performs well even when colluders attempt to disguise their behavior. I then adopt a multiple hypothesis testing framework to simultaneously test for collusion bidder by bidder. By controlling the probability of making one or more type I errors, the set of rejected hypotheses serves as a lower confidence bound on the set of colluders. To produce a lower confidence bound on the cost of collusion, I use consistent estimates of the bidders' valuation distributions to numerically solve for the seller's expected revenues in auctions with and without collusion. To provide an example of this identification strategy, I use exogenous variation in the reserve prices at British Columbia's timber auctions to estimate the extent of collusion in the years preceding a lumber trade dispute between the United States and Canada.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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