应用|朱悦 | 应用市场竞争和个人信息收集:来自二百五十万款应用的证据( 三 )


[7] 原文对具体识别方法的介绍 , 可能不够详尽(仅见于原文注15) 。 稳妥起见 , 考虑到相应识别算法(及每一算法内参数阈值设置)的多样性(例如 , 此处见于Schaeffer, Satu Elisa. "Graph clustering." Computer Science Review 1.1 (2007): 27-64) , 采取更多识别方法 , 并比较相应结果 , 大概会是更合适的处理方法 。
[8] 可惜的是 , 此处仅有离散的区间数据 。
[9] 系根据其它变量估计得到的结果 , 见前注1中Kummer和Schulte研究 。 之外 , 显然 , 8和9中数据的局限 , 都会影响后续赫芬达尔指数的计算 。
[10] 根据作为计算依据的指标不同 , 应用市场间的平均赫芬达尔指数在1500-1700之间 。
[11] 对这一变化的外生性的进一步讨论 , 可参见Ershov, Daniel. "Consumer Product Discovery Costs, Entry, Quality and Congestion in Online Markets." (2020).
[12] 原文附录还利用“网络效应对不同市场内应用重要程度差异”构造(外生性仍可讨论的)工具变量进行识别 , 由此进一步加强了前述估计的稳健性 。
文献来源:Kesler, Reinhold, Michael Kummer, and Patrick Schulte. "Competition and Privacy in Online Markets: Evidence from the Mobile App Industry." (2020).
本文首发于微信公众号:数字经济与社会 。 文章内容属作者个人观点 , 不代表和讯网立场 。 投资者据此操作 , 风险请自担 。
(责任编辑:张洋 HN080)


推荐阅读