MARC

 008250123s2024        us                              c    eng  d
■001000017164436
■00520250211153002
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798346383529
■035    ▼a(MiAaPQ)AAI31631315
■035    ▼a(MiAaPQ)PennState20673sus1112
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a330
■1001  ▼aSagl,  Stephan.
■24510▼aEssays  in  Estimation  of  Discrete  Choice  Demand  Models
■260    ▼a[Sl]▼bThe  Pennsylvania  State  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a177  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  A.
■500    ▼aAdvisor:  Grieco,  Paul  L.  E.
■5021  ▼aThesis  (Ph.D.)--The  Pennsylvania  State  University,  2024.
■520    ▼aThis  dissertation  consists  of  three  chapters,  each  in  the  field  of  empirical  Industrial  Organization.In  chapter  1,  using  a  novel  dataset  on  the  Texas  pickup  truck  market  linking  pickup  trucks  to  their  respective  buyers,  I  document  evidence  for  personalized  pricing.  In  particular,  using  repeat  purchase  data  on  pickup  trucks,  I  establish  that  the  same  consumers  pay  persistently  high  or  persistently  low  prices  across  vehicle  purchases.  Less  than  1%  of  this  persistence  can  be  explained  by  observed  demographics.  This  result  suggests  that  automobile  dealers  use  consumer  information  beyond  coarse  demographics  to  personalize  prices.Chapter  2  is  motivated  by  the  evidence  for  personalized  pricing  in  chapter  1.  Developing  a  novel  discrete  choice  model  with  personalized  pricing,  I  study  the  role  of  consumer  information  firms  use  for  pricing  in  the  welfare  effects  of  price  discrimination  in  the  Texas  market  for  pickup  trucks.  To  do  so,  I  overcome  a  common  problem  in  settings  with  transaction  data:  personalized  prices  of  non-chosen  alternatives  are  unobservable.  I  solve  this  problem  by  recovering  unobserved  personalized  prices  and  consumer-specific  price  sensitivity  from  the  observed  transaction  price  via  firms'  first-order  conditions.  I  simulate  two  counterfactuals:  uniform  pricing  and  price  discrimination  based  on  coarse  demographic  groups.  Compared  to  uniform  pricing,  personalized  pricing  increases  profits  and  total  welfare  but,  on  average,  harms  consumers.  On  the  other  hand,  compared  to  uniform  pricing,  price  discrimination  based  only  on  demographics  is  not  profitable.  This  highlights  the  importance  of  the  amount  of  consumer  information  firms  can  use  for  pricing  in  the  welfare  effects  of  price  discrimination.Lastly,  in  chapter  3,  which  is  joint  work  with  Paul  L.  E.  Grieco,  Charles  Murry,  and  Joris  Pinkse  and  currently  circulating  as  Grieco  et  al.  (2023),  we  propose  a  conformant  likelihood-based  estimator  with  exogeneity  restrictions  (CLER)  for  random  coefficients  discrete  choice  demand  models  that  is  applicable  in  a  broad  range  of  data  settings.  It  combines  the  likelihoods  of  two  mixed  logit  estimators-one  for  consumer-level  data,  and  one  for  product-level  data-with  product-level  exogeneity  restrictions.  Our  estimator  is  both  efficient  and  conformant:  its  rates  of  convergence  will  be  the  fastest  possible  given  the  variation  available  in  the  data.  The  researcher  does  not  need  to  pre-test  or  adjust  the  estimator  and  the  inference  procedure  is  valid  across  a  wide  variety  of  scenarios.  Moreover,  it  can  be  tractably  applied  to  large  datasets.  We  illustrate  the  features  of  our  estimator  by  comparing  it  to  alternatives  in  the  literature.
■590    ▼aSchool  code:  0176.
■650  4▼aPrices
■650  4▼aDemographics
■650  4▼aTrucks
■650  4▼aDemography
■690    ▼a0938
■690    ▼a0510
■690    ▼a0629
■690    ▼a0454
■71020▼aThe  Pennsylvania  State  University.
■7730  ▼tDissertations  Abstracts  International▼g86-05A.
■790    ▼a0176
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164436▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서