评估基于订阅的流媒体服务对

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Estimating The Effect Of Subscription based Streaming Services On The
  Demand For Game Consoles》
---
作者：
Tung Yu Marco Chan, Yue Zhang and Tsun Yi Yeung
---
最新提交年份：
2020
---
英文摘要：
  In this paper, we attempt to estimate the effect of the implementation of subscription-based streaming services on the demand of the associated game consoles. We do this by applying the BLP demand estimation model proposed by Berry (1994). This results in a linear demand specification which can be identified using conventional identification methods such as instrumental variables estimation and fixed-effects models. We find that given our dataset, the two-stage least squares (2SLS) regression provides us with convincing estimates that subscription-based streaming services does have a positive effect on the demand of game consoles as proposed by the general principle of complementary goods.
---
中文摘要：
在本文中，我们试图评估基于订阅的流媒体服务的实施对相关游戏机需求的影响。我们通过应用Berry（1994）提出的BLP需求估算模型来实现这一点。这导致了线性需求规范，可以使用工具变量估计和固定效应模型等传统识别方法识别。我们发现，鉴于我们的数据集，两阶段最小二乘（2SLS）回归为我们提供了令人信服的估计，即基于订阅的流媒体服务确实对游戏机的需求产生了积极影响，正如补充商品的一般原则所提出的那样。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Estimating_The_Effect_Of_Subscription_based_Streaming_Services_On_The_Demand_For.pdf (176.9 KB)

2022-4-26 16:15:12 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：流媒体 Subscription Quantitative instrumental fixed-effect

评估基于订阅的流媒体服务对游戏机需求的影响*本文试图评估基于订阅的流媒体服务的实施对相关游戏机需求的影响。为此，我们采用了Berry（1994）提出的BLP需求估算模型。这导致了线性需求规格，可以使用传统的识别方法（如工具变量估计和绩效模型）进行识别。我们发现，鉴于我们的数据集，两阶段最小二乘（2SLS）回归为我们提供了令人信服的估计，即基于订阅的流化服务确实对游戏机的需求产生了积极影响，正如补充商品的一般原则所建议的那样。1简介自17世纪以来，基于订阅的商业模式一直存在，书刊出版商使用这种模式（Clapp，1931）。我们在报纸和杂志上也看到了这一点，最近我们开始看到它被整合到数字媒体平台中；美国电视节目和电影网络服务提供商Glazer等人（1982年）的一个主要例子表明，s订阅服务与个人单位销售一起，允许垄断企业通过增加利润和净福利收益来消除价格歧视。然而，我们感兴趣的话题是调查基于订阅的服务将如何影响互补商品的需求。

在2013年前后的几年里，游戏行业的领导者索尼、微软和任天堂发布了几款游戏机，其中很少有游戏机至今仍在游戏机市场中处于领先地位，其中最引人注目的是XBox One（XBO）和Play Station 4（PS4）。2014年，索尼为PlayStation4和PC玩家发布了云游戏订阅服务PlayStationNow（PS Now），通过每月订阅支付PlayStation2、PlayStation 3和PlayStation 4游戏的访问费用。类似地，而且更多*ECON 4114最终项目，香港科技大学2018-19秋季学期更准确地说，他们的硬件修订版本antshttps://www.playstation.com/en-us/explore/playstation-now/recently2017年，微软推出了Xbox GamePass，这是一种类似的游戏流媒体服务，允许Xbox One玩家以每月订阅费的方式访问游戏目录。本研究的目的是调查引入此类基于订阅的流媒体服务对相关游戏机需求的影响。通过对补充产品行为的基本经济评估，我们的优先考虑是，由于这些订阅流媒体服务旨在为游戏提供折扣，那么由于折扣而增加的需求将对与此类流媒体服务相关的控制台的需求产生溢出效应。我们将通过估算每个控制台的需求来进行实证研究，其中基于订阅的服务的存在将由adummy变量Subscribe表示。因此，Subscribe的效率将理想地捕获其对特定控制台需求的影响。2计量经济学模型2。1实证策略我们将使用BLP离散选择需求模型（Berry，1994）估计需求。

我们假设选择概率采用多项式罗吉特形式，因此我们必须考虑不相关替代方案的独立性（IIA）假设。目标是获得作为控制台特征函数的需求函数的结构估计，从而获得虚拟变量SubscribeJT的系数，以便在引入基于订阅的流媒体服务后捕获对需求的影响。2.2数据数据采用面板数据格式，每个控制台j及其产品特征xjtata给定年份t。由于许多复杂性，在构建数据集时需要进行一些简化。下表1显示了需求估算中使用的产品特征的定义。这些数据来自不同的来源，主要来自不同的网站，这些网站跟踪视频游戏爱好者的视频游戏产品价格。市场份额数据来源于网站VGChartz（2018b），可通过在线统计门户网站S tatista访问。有关产品特性的数据来源包括福布斯和GameSpot上的产品比较文章。控制台组件的成本数据可从发布的在线文章中获得byhttps://www.xbox.com/en-us/xbox-game-pass/The选择两个备选方案中任何一个的概率比与可用的备选方案集无关。其中（Subscribejt=1，如果在t.Subscribejt=0时为控制台j引入了订阅服务，则每个控制台的市场份额数据不会区分由于大量硬件修订而导致的同一控制台的不同型号。

为了使回归过程更加顺利，我们假设每一年更新的修正模型都会取代旧模型，从而代表一年的总市场份额。Gordon K elly（2016）Jimmy Thang（2017）总部位于伦敦的全球信息提供商IHS Markit。这些数据以可从新闻稿中获得的物料清单（BOM）的形式提供。对于其他无法获得此类数据的情况，由于无法获得具体合同的价格，我们不得不使用一些替代组件的代理估算。表1：定义特征定义游戏机容量（单位：mm）独立游戏机的单独虚拟变量gram重量（单位：g）存储空间（单位：GB）3 11游戏名称（单位：GB）3 11各游戏机在特定年份的游戏名称数量（单位：MB）3 11 CPU以兆赫（Mhz）为单位的游戏机时钟频率以兆赫（Mhz）为单位的GPU处理器时钟速度以兆赫（Mhz）为单位的CPU内核数订阅虚拟变量f或是否存在基于订阅的游戏流媒体服务日志在j和e的市场份额中的差异可选价格控制台价格CPU组件成本内存组件成本8我们不使用各公司发布的官方价格，而是使用PriceChartering得出的价格。PriceChartering是一个网站，用于跟踪eBay上销售的视频游戏商品的价格，并使用其公关算法跟踪其市场。我们使用这些价格，因为它们更加多样化，并在数据集中创建更多变化，以允许平滑的回归。

每年的所有价格均取自11月份；Price Chartering（2007-2018）的汇总数据来自维基百科，有各种单独的来源。戈登·凯利（2016），福布斯泰文·马瑟和安德鲁·拉斯韦勒（2013），IHShttps://www.alibaba.com/product-detail/512MB-Quad-Core-wifi-Bluetooth-Banana60794203127.html?spm=a2700.7724838.2017115.43.69e63a8bnKabTb; 新3DS XL CPU的代理估算。史蒂夫·伯克（2017）https://www.mouser.com/Semiconductors/Integrated-Circuits-ICs/Embedded-Processors-Controllers/Microprocessors-MPU/ARM-Cortex-A9-Core//N-a86qz?P=1yzay25Z1yor86gZ1yzolqg;PS Vita和PS Vita Slim CPU的代理估计https://www.mouser.com/ProductDetail/NXP-Freescale/LS1043AXE7MQB?qs=sGAEpiMZZMsk5yEqv3Bk8YnbB1mhTs5HcinELSxtuxdUM4foXfRtoQ%3d%3d; 任天堂交换机CPU的代理估计。VGChartz（2018a）VGChartz（2018b）Michael Passingham（2018）2.3 BLP需求估算设置o从2014年到2018年，我们有T=5个时间段。o持续性消费者，时间t，使PJJ=1qjt=Nt.o我们有J=5个备选方案（PS4、e上的Xbox、任天堂交换机、任天堂3DS、PlayStationVita）。这是许多控制台（PS4、NN3DS XL、PS Vita、NS）的情况。我们必须从同一制造商处找到类似规格的CPU处理器的替代品。例如，PS4使用2.1 GHz 8核AMDcustom Jaguar。我们使用的是3.3 GHz 8核AMD FX-8300 CPU的价格，这是一个完美的替代品我们有时间t时所有控制台j的特征向量K，xjt=（xjt1，…，xjtK）。注意subscribejt是这个向量中的一个条目我们有时间t时控制台j的价格，pjto我们有经验（观察到的）市场份额^sjt=qjtNt。

我们用外部市场份额来解释差异（这应该是对游戏机的需求，而不是在同一时间段内的三种选择）。ot时未观察到的市场/产品异质性j，ξjt=ξj+ξt+ξjt，其中ξ为特定冲击，ξ为时间t时的普通冲击，ξjt是未观测到的产品/产品冲击，具体到j和t.2.4估计我们首先将个体i的间接随机效用写成：uijt=x′jtβ- αpjt+ξjt+εijt≡ δjt+εijt（1），其中δjt=x′jtβ- αpjt+ξjt是时间t时控制台j的平均效用。通过将直接随机效用写成（1）的形式，我们做出了两个重要的假设。1.我们假设εijtto是在logit假设下分布的i.i.d i型极值。2.我们假设所有同质异质性都将被εijt项捕获，并在我们要估计的同质参数（α，β）中使用。在这两个假设下，我们能够得到估计的市场份额的闭式，它是（δ0t，…，δJt）的函数。（见附录A）。~sjt（δ0t，…，δJt）=exp（δJt）exp（δ1t）+exp（δJt）（2）对于我们的估算，我们将使用以下力矩条件：^s1t=~s1t（δ0t，…，δJt）。。。^sJt=~sJt（δ0t，…，δJt）（3），其中我们规范化δ0t=0。然后从矩条件（3）中，我们可以看到^sjislog线性，我们可以写，例如，控制台的未观测特征、价格测量误差、需求冲击等。这与我们估计（αi，βi）的随机系数模型相反。我们假设同质参数以简化分析。δ0t=0δ1t=log^s1t- 日志^s0t。。。δJt=log^sJt- log^s0t（4），其中log^s0t=- 对数（expδ1t+。。。

+expδJt）。现在我们已经得到了一个线性简化公式，可以用于估计，所以我们可以在上面运行OLS：log^sjt- log^s0t=xjtβ+αpjt+ξjt（5），但是，请注意，通过定义误差项ξjt，可以合理地假设cov（pjt，ξjt）6=0。因此，为了获得（α，β）的一致估计值，我们可以进行需要有效仪器的估计，或者运行固定效应模型。2.5经验估计和结果2。5.1固定效应估计我们有线性规格（5）来估计：log^sjt- log^s0t=xjtβ+αpjt+ξjt一种我们可以识别的方法，因为我们有一种面板数据格式，它在（5）上运行一个双向固定效应模型，以考虑时间和个体效应。然而，这仍然需要cov（pjt， ξjt）=0，以获得一致的估计。它还隐含地要求，尽管T可能被要求是小的，但J被要求是大的。由于我们的面板数据仅包含J=5个备选方案，因此估计值的标准误差非常高，导致显著性水平较低。此外，如表2中的规范（4）所示，与其他显示负号的规范相比，订阅系数发生了显著变化。由于大多数系数的大小和重要性较小，这些估计不太可能是可解释的，也不可能有统计参考或洞察。还应注意的是，一些规格是不允许的，因为由于与其他产品特性的高度共线性，特性订阅将被删除。2.5.2两阶段最小二乘估计（2SLS）获得一致估计f或（5）的另一种方法是使用有效仪器运行2SLS。这样的工具。。。，如果满足以下假设，则有效：条件1（仪器相关性）。

该工具与内生回归因子具有高度相关性。log^s0被解释为“外部市场份额”的对数，因此不包括在分析中的产品的市场份额。i、 e.cov（zjt，pjt）6=0（2）条件2（仪器e x生成性）。仪器与误差项ξjt不相关。i、 e.cov（zjt，ξjt）=0（2）Berry（1994）建议使用成本转移因素（即供应转移因素），因为它们应该独立于可能影响消费者效用的不可观察的市场/产品特征。我们将使用的仪器是控制台的CPU和RAM组件的成本。因为这些都是成本因素，所以在相关条件下，cov（CPUcost，CPU）6=0、cov（CPUcost，Core）6=0和cov（RAM成本，RAM）6=0应该是合理的。我们将在下一节对这些条件进行实证检验。从表3中的估计值来看，所有规格均显示对认购的估计值非常重要，且价值相似，且具有直观的积极迹象。在这四个规范中，规范（1）是唯一一个在95%的置信度水平上具有显著的onP rice系数，并且具有直观的负面迹象的规范。此外，所有系数都非常重要。总的来说，表3中的估计值表明，认购系数的估计值可能是稳健的；假设（1）是线性需求表（5）的最佳估计值。2.5.3测试仪器的相关性为了进一步确认规范（1）提供的估计值的有效性，我们继续测试仪器有效性的两个条件。相关条件可以通过空H:π=π=0的条件F检验进行经验检验。表4至表7显示了表3中所有四种规格的条件F测试。

我们发现，没有一个规范能够满足F的经验法则要求≥ 10（Stock等人，2003），尽管最接近于满足这一要求的规范是（1）产生F=8.712的规范和（4）产生F=9.222.2.5.4测试仪器外生性我们继续测试规范（1）的仪器外生性条件。我们通过运行Sargan的J测试（Sargan，1958）来实现这一点。为了进行萨根的J检验，我们使用2SLS残差进行了以下回归：^u2SLS=β+βCPUcost+βRAM成本+βx+…+βKxK+e（6）所有估计值在99%的水平上都是显著的。其中π、π分别是仪器CPUcost和RAM成本的第一阶段系数，这可能表明仪器性能差，根据严重程度可能导致严重偏差的估计。请注意，只有在2SLS模型过度识别的情况下，萨根的J检验才能实施，也就是说，对于分录和k内生回归，m>k。然后从表8中获得F统计量，J统计量定义为J=mF，因此J=0.63。因为J~ χ（m）- k） ，我们得到χ（1）的95%临界值为0。0039，因此允许我们接受空值。3讨论和结论本研究中使用的数据涉及在T=5年的观察期内J=5个游戏机替代方案，共22个观察。从BLP需求估算模型中获得线性规格后，我们使用工具变量建立了双向固定效应（FE）模型和两阶段最小二乘法（2SLS），试图确定订购对控制台需求的影响。