view in publisher's site

Learning in retail entry

Retailers may face uncertainty about the profitability of local markets, which provide opportunities for learning when making entry decisions. To quantify these informational benefits, I develop an empirical framework for studying dynamic retail entry with uncertainty and learning (from others). Using novel data about fast food chains, I estimate the model with a forward simulation estimation approach augmented with particle filtering as a way to flexibly account for unobserved firm beliefs about market profitability. The estimates confirm the presence of uncertainty and learning. Most importantly, simulations using the estimated model demonstrate that learning from others may indeed help mitigate some of the uncertainty.

یادگیری در ورودی خرده‌فروشی

خرده فروشان ممکن است با عدم اطمینان در مورد سودآوری بازارهای محلی مواجه شوند که فرصت‌هایی برای یادگیری هنگام تصمیم‌گیری در هنگام ورود فراهم می‌کنند. برای کمی کردن این مزایای اطلاعاتی، من یک چارچوب تجربی برای مطالعه ورودی پویا با عدم قطعیت و یادگیری (از دیگران)ایجاد می‌کنم. با استفاده از داده‌های جدید در مورد زنجیره‌های غذایی سریع، من این مدل را با یک روش برآورد شبیه‌سازی پیش رو تقویت‌شده با فیلتر کردن ذره به عنوان راهی برای توضیح انعطاف‌پذیر باورهای محکم شرکت در مورد سودآوری بازار برآورد می‌کنم. این برآوردها وجود عدم قطعیت و یادگیری را تایید می‌کنند. مهم‌تر از همه، شبیه‌سازی‌ها با استفاده از مدل برآورد شده نشان می‌دهد که یادگیری از دیگران می‌تواند به کاهش برخی از عدم قطعیت کمک کند.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Marketing
  • ترجمه مقاله Marketing
  • مقاله بازاریابی
  • ترجمه مقاله بازاریابی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.