MARC

 008260311s2025        us                                    eng  d
■001000017361253
■00520260311091520.5
■006m          o    d                
■007cr|nu||||||||
■020    ▼a9798270233129
■040    ▼aMiAaPQD▼beng▼cMiAaPQD▼erda
■082    ▼a332.6
■1001  ▼aFaltings,  Richard  天夏▼eauthor.
■24512▼aA  Market  Design  Perspective  on  Digital  Platforms  ▼cRichard  天夏  Faltings
■260    ▼a[Sl]▼bThe  University  of  Texas  at  Austin▼c2025
■264  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a1  electronic  resource  (194  pages)
■336    ▼atext▼btxt▼2rdacontent
■337    ▼acomputer▼bc▼2rdamedia
■338    ▼aonline  resource▼bcr▼2rdacarrier
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-06,  Section:  A.
■500    ▼aAdvisors:  Miravete,  Eugenio;  Ackerberg,  Daniel  A.    Committee  members:  Buchholz,  Nicholas;  Marone,  Victoria.
■5021  ▼bPh.D.▼cThe  University  of  Texas  at  Austin▼d2025.
■520    ▼aMarkets  are  increasingly  mediated  by  digital  platforms.  This  dissertation  studies  the  design  of  platforms  with  the  goal  of  improving  market  efficiency  through  appropriate  prices  on  externalities  users  impose  on  one  another.  This  echoes  the  lessons  from  the  field  of  market  design,  which  has  shown  that  even  with  a  fixed  set  of  market  participants,  the  design  of  a  market  can  have  a  significant  impact  on  outcomes.  At  the  same  time,  this  dissertation  takes  seriously  the  distorted  incentives  of  platforms  as  profit-seeking  entities  rather  than  benevolent  social  planners,  following  the  long  literature  on  competition  between  two-sided  platforms.In  the  first  chapter,  I  study  pricing  equilibria  among  micro  mobility  platforms  in  Washington  D.C.,  which  offer  electric  scooters  with  flexible  drop  off  locations.  Current  pricing  schemes  use  simple  two-part  tariffs  based  on  distance  or  time,  ignoring  the  externality  of  users'  destination  choices  on  the  supply  distribution,  and  pricing  fails  to  account  for  varying  demand  across  origins.  Full  origin-destination  pricing  faces  both  regulatory  barriers  (due  to  equity  concerns)  and  implementation  challenges.  To  address  these  issues,  I  develop  a  reinforcement  learning  algorithm  to  compute  flexible  profit-maximizing  prices  and  estimate  a  demand  model  for  Washington  D.C.  to  evaluate  distributional  impacts  of  flexible  pricing.  My  analysis  reveals  that  while  peripheral  neighborhoods  experience  modest  negative  effects,  these  are  outweighed  by  substantial  welfare  gains  in  the  city  core,  with  no  clear  correlation  to  neighborhood  income  levels.The  next  two  chapters  both  focus  on  the  US  trucking  market,  using  data  from  a  digital  broker's  auction  platform.  In  the  second  chapter,  I  focus  on  temporal  frictions  in  the  dynamic  shipment  allocation  process:  as  carriers  search  for  shipments  sequentially,  they  may  exit  the  market  before  seeing  their  ideal  shipment.  As  a  remedy,  the  platform's  generous  cancellation  policy  allows  carriers  to  tentatively  match  with  a  shipment  while  continuing  to  search  for  better  opportunities.  To  evaluate  the  efficient  price  of  cancellations,  I  estimate  a  structural  model  of  the  market  and  simulate  the  effects  of  different  cancellation  policies  on  market  outcomes.  I  find  that  low  penalties  for  reneging  are  both  welfare-  and  profit-maximizing,  so  long  as  the  penalties  are  imposed  through  a  non-pecuniary  reputational  mechanism  that  does  not  generate  any  direct  revenues.  If  pecuniary  penalties  can  feasibly  be  collected  with  minimal  transaction  costs,  I  find  that  the  platform  can  extract  more  surplus  from  the  market  by  marking  up  the  fee  for  the  right  to  renege.The  third  chapter  shifts  attention  to  the  spatial  dimension  of  the  trucking  market.  Using  data  from  the  same  digital  brokerage  platform,  we  first  develop  a  more  stylized  auction  model  that  abstracts  away  the  temporal  dimension,  allowing  us  to  invert  bids  into  costs  on  a  large  scale.  Using  the  inverted  costs,  we  estimate  a  flexible  carrier  cost  function  to  separate  fixed  costs,  per-mile  costs,  home  preferences,  and  continuation  values.  We  then  develop  a  spatial  equilibrium  model  allowing  us  to  simulate  various  policy  interventions  in  the  freight  market.  Our  richly  micro-founded  model  enables  us  to  evaluate  both  conventional  supply-side  interventions  like  entry  subsidies  and  changes  to  the  design  of  the  broker's  auction  platform.
■546    ▼aEnglish
■590    ▼aSchool  code:  0227
■650  4▼aWeb  studies
■650  4▼aInformation  science
■653    ▼aMarkets
■653    ▼aDigital  platforms
■653    ▼aAuction  platform
■653    ▼aDigital  broker
■7102  ▼aThe  University  of  Texas  at  Austin▼bEconomics.▼edegree  granting  institution.
■7201  ▼aMiravete,  Eugenio▼edegree  supervisor.
■7201  ▼aAckerberg,  Daniel  A.▼edegree  supervisor.
■7730  ▼tDissertations  Abstracts  International▼g87-06A.
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17361253▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books