MARC

 008250123s2024        us                              c    eng  d
■001000017162449
■00520250211152014
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382832821
■035    ▼a(MiAaPQ)AAI31331572
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a519.3
■1001  ▼aAleksenko,  Stepan.
■24510▼aEssays  in  Information  Economics
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a135  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-12,  Section:  A.
■500    ▼aAdvisor:  Meyer-ter-Vehn,  Moritz.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2024.
■520    ▼aThis  dissertation  comprises  three  chapters  that  study  information  and  learning  aspects  in  various  game-theoretical  models.The  first  chapter  studies  how  firms  manage  their  reputation  for  quality  via  price-dependent  consumer  reviews.  Pricing  decisions  are  crucial  for  managing  a  firm's  reputation  and  maximizing  profits.  Consumer  reviews  reflect  both  the  product  quality  and  its  price,  with  more  favorable  reviews  being  left  when  a  product  is  priced  lower.  We  study  whether  such  review  behavior  can  induce  a  firm  to  manipulate  the  review  process  by  underpricing  its  product,  or  pricing  it  below  current  consumers'  willingness  to  pay.  We  introduce  an  equilibrium  model  with  a  privately  informed  firm  repeatedly  selling  its  product  to  uninformed  but  rational  consumers  who  learn  about  the  quality  of  the  product  from  past  reviews  and  current  prices.  We  show  that  underpricing  can  arise  only  when  the  firm  reputation  is  low  and  then  only  under  a  specific  condition  on  consumers'  taste  shock  distribution,  which  we  fully  characterize.  Rating  manipulation  unambiguously  benefits  consumers,  because  it  operates  via  underpricing.The  second  chapter  studies  how  delegated  recruitment  shapes  talent  selection.  Firms  typically  pay  recruiters  via  refund  contracts,  which  specify  a  payment  upon  the  hire  of  a  suggested  candidate  and  a  refund  if  a  candidate  is  hired  but  terminated  during  an  initial  period  of  employment.  We  develop  a  model  where  refund  contracts  naturally  arise  and show  that  delegation  leads  to  statistical  discrimination,  where  the  recruiter  favors  candidates  with  more  precise  productivity  information.  This  is  misaligned  with  direct  hiring,  where  the  firm  has  option  value  from  uncertain  candidates.  Under  tractable  parametric  assumptions,  we  characterize  the  unique  equilibrium  in  which  candidates  with  lower  expected  productivity  but  more  informative  signals  ("safe  bets")  are  hired  over  candidates  with  higher  expected  productivity  but  less  informative  signals  ("diamonds  in  the  rough").The  third  chapter  studies  the  efficiency  of  information  aggregation  in  the  DeGroot  learning  model.  We  introduce  a  social  planner  in  the  DeGroot  model  who  aims  to  improve  the  time  asymptotic  information  aggregation  in  finite  observational  networks.  We  show  that  in  any  connected  network,  it  is  possible  to  achieve  the  best  information  aggregation  by  reassigning  the  attention  individuals  pay  to  each  others'  opinions.  We  provide  an  algorithm  that  constructs  a  solution  to  this  problem.  We  also  identify  the  necessary  and  sufficient  condition  on  the  network  for  achieving  the  best  information  aggregation  in  the  average-based  updating  learning  model  for  homogeneous  private  signals.  Finally,  we  demonstrate  an  approach  to  increasing  the  speed  of  learning. 
■590    ▼aSchool  code:  0031.
■653    ▼aGame-theoretical  models
■653    ▼aEmployment
■653    ▼aConsumer  reviews
■653    ▼aProfits
■653    ▼aDeGroot  learning  model
■690    ▼a0501
■690    ▼a0511
■71020▼aUniversity  of  California,  Los  Angeles▼bEconomics  0246.
■7730  ▼tDissertations  Abstracts  International▼g85-12A.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162449▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서