برآورد تابع عرضه در بازار تاکسی اینترنتی: مطالعه موردی شهر تبریز (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
توسعه فناوری اطلاعات و ارتباطات، موجب شکل گیری نوع جدیدی از روش تامین سواری سفر در شهرها شده است که با نام تاکسی های اینترنتی شناخته می شوند. نظر به اهمیت مطالعه بازار تاکسی اینترنتی در اقتصادهای دیجیتالی شده امروزی در این پژوهش به مطالعه رفتار رانندگان در بازار تاکسی اینترنتی در چارچوب برآورد تابع عرضه موردی شهر تبریز پرداخته شده است. در این مطالعه جهت برطرف نمودن تورش انتخاب نمونه ناشی از وجود متغیر وابسته قطع شده در برآورد تابع عرضه، از روش دو مرحله ای هکمن استفاده شده است. نتایج به دست آمده نشان می دهد که متغیرهای سن و تجربه تاثیر مثبت و متغیرهای سطح تحصیلات و دمای هوا تاثیر منفی بر احتمال مشارکت در بازار تاکسی اینترنتی داشته است. همچنین درآمد خالص رانندگان اثر مثبت بر سطح عرضه داشته است که نشان دهنده حساسیت بالای عرضه به درآمد خالص می باشد. در این مطالعه متغیر نسبت معکوس میل نیز در برآورد مدل مورد استفاده قرار گرفته است. مطابق نتایج، لحاظ این متغیر توضیحی در تابع عرضه، موجب تصحیح خطای تورش و برآورد دقیق تر تابع عرضه شده است.Estimation of the Supply Function in the Ride-Sourcing Market: A Case Study of Tabriz City
The development of information and communication technology (ICT) has led to the emergence of a new type of method of ride-sourcing in urban areas, commonly known as internet taxis. Given the importance of examining the ride-sourcing market (internet taxi market) in today’s digitalized economies, this study investigates the driver behavior in the ride-sourcing market via estimating the case supply function of the city of Tabriz In this study, the Heckman two-stage model is used to eliminate the sample selection bias caused by the presence of a truncated dependent variable in the supply function estimation.The obtained results show that the variables of age and experience have a positive effect, and the variables of education level and air temperature have a negative effect on the probability of participating in the ride-sourcing market. Also, the drivers’ net income has a positive effect on the level of supply, indicating a high sensitivity of supply to net income. In this study, the inverse Mills ratio variable has also been used in the model estimation. According to the results, incorporating this explanatory variable in the supply function corrected the bias error and led to a more accurate estimataton of the supply function.
تبلیغات
