EMPIRICAL EVIDENCEVALUING TIME SAVI

EMPIRICAL EVIDENCE
VALUING TIME SAVINGS
The fundamental problem facing the revealed preference approach in practice is the type of bias we discussed in Chapter 3. When doing revealed preference analysis, the treatment is a good with a certain attribute (such as being only 10 minutes from the city), while the control is another good without that attribute (such as being 5 minutes farther from the city). The problem is that the treatments and controls may differ in ways that lead to bias. Suppose that homes built closer to the city are smaller, or that they have smaller yards. This would lead their value to be lower, so that when one compared the prices of houses farther away and closer to the city, one might not find the expected decline in prices for farther -away homes. In the Boston metropolitan area, for example, the town of Everett is on average only 4 miles from downtown Boston, while the suburban town of Lexington is 11 miles away. Yet the average home price in Everett is $322,923, while the average home price in Lexington is about 2.3 times higher at $746,804.9 This is because the houses in Lexington are typically much larger and have nicer attributes than those in Everett. Many of these attributes are observable, such as the square footage of the house or the number of bathrooms. In such cases, we can try to control for these other attribute differences using cross -sectional regression analysis with control variables. Indeed, in this context there is a name for such a strategy: hedonic market analysis. Hedonic market analysis proceeds by running a regression of house values on each of the bundle of attributes of housing: distance to town center, number of bedrooms, number of bathrooms, square footage, and so on. The notion is that if we control in a regression context for all of the attributes other than distance, we will essentially be comparing identical houses in different locations. As we highlighted in Chapter 3, however, this is not likely to be a fully satisfactory approach. There are many differences between houses that are hard to observe, such as the perceived quality of the neighborhood or the care taken by the previous owner. If these things are correlated with distance to the town center, it will mean that the treatment group (close houses) and the control group (more distant houses) are not identical products, so our (biased) estimates do not give a true valuation of time differences. In order to provide a more convincing estimate of the value of time savings, a quasi -experimental approach can be used. An example of such a study was done by Deacon and Sonstelie (1985). During the oil crisis of the 1970s, the government imposed price ceilings on the large gasoline companies, setting a maximum price that those companies could charge per gallon of gas. These low prices (relative to the true market price) led consumers to wait in long lines to get gas. These price ceilings did not apply to smaller, independently owned stations, so lines were shorter there. As a result, the amount of time individuals were willing to wait at the stations owned by large gas companies (the treatment group) relative to independent stations (the control group) can be compared to the amount of money saved by going to the treatment stations instead of the control stations to form a value of time. The authors compared Chevron stations in California, which were mandated to lower their prices by $0.45 per gallon (in 2009 dollars) below the price being charged by the control group of independent stations. Lines formed at Chevron stations for cheaper gas, forcing customers to wait an average of 14.6 minutes more there than at competing stations. The mean purchase was 10.5 gallons, suggesting roughly that people were saving $19.00 (in 2009 dollars) per hour they waited. That is, individuals revealed themselves to be willing to wait an hour for $19.00—almost exactly equal to the average hourly wage in the United States.10 E

ผลลัพธ์ (ไทย) 1:

หลักฐานเชิงประจักษ์ประเมินค่าประหยัดเวลาThe fundamental problem facing the revealed preference approach in practice is the type of bias we discussed in Chapter 3. When doing revealed preference analysis, the treatment is a good with a certain attribute (such as being only 10 minutes from the city), while the control is another good without that attribute (such as being 5 minutes farther from the city). The problem is that the treatments and controls may differ in ways that lead to bias. Suppose that homes built closer to the city are smaller, or that they have smaller yards. This would lead their value to be lower, so that when one compared the prices of houses farther away and closer to the city, one might not find the expected decline in prices for farther -away homes. In the Boston metropolitan area, for example, the town of Everett is on average only 4 miles from downtown Boston, while the suburban town of Lexington is 11 miles away. Yet the average home price in Everett is $322,923, while the average home price in Lexington is about 2.3 times higher at $746,804.9 This is because the houses in Lexington are typically much larger and have nicer attributes than those in Everett. Many of these attributes are observable, such as the square footage of the house or the number of bathrooms. In such cases, we can try to control for these other attribute differences using cross -sectional regression analysis with control variables. Indeed, in this context there is a name for such a strategy: hedonic market analysis. Hedonic market analysis proceeds by running a regression of house values on each of the bundle of attributes of housing: distance to town center, number of bedrooms, number of bathrooms, square footage, and so on. The notion is that if we control in a regression context for all of the attributes other than distance, we will essentially be comparing identical houses in different locations. As we highlighted in Chapter 3, however, this is not likely to be a fully satisfactory approach. There are many differences between houses that are hard to observe, such as the perceived quality of the neighborhood or the care taken by the previous owner. If these things are correlated with distance to the town center, it will mean that the treatment group (close houses) and the control group (more distant houses) are not identical products, so our (biased) estimates do not give a true valuation of time differences. In order to provide a more convincing estimate of the value of time savings, a quasi -experimental approach can be used. An example of such a study was done by Deacon and Sonstelie (1985). During the oil crisis of the 1970s, the government imposed price ceilings on the large gasoline companies, setting a maximum price that those companies could charge per gallon of gas. These low prices (relative to the true market price) led consumers to wait in long lines to get gas. These price ceilings did not apply to smaller, independently owned stations, so lines were shorter there. As a result, the amount of time individuals were willing to wait at the stations owned by large gas companies (the treatment group) relative to independent stations (the control group) can be compared to the amount of money saved by going to the treatment stations instead of the control stations to form a value of time. The authors compared Chevron stations in California, which were mandated to lower their prices by $0.45 per gallon (in 2009 dollars) below the price being charged by the control group of independent stations. Lines formed at Chevron stations for cheaper gas, forcing customers to wait an average of 14.6 minutes more there than at competing stations. The mean purchase was 10.5 gallons, suggesting roughly that people were saving $19.00 (in 2009 dollars) per hour they waited. That is, individuals revealed themselves to be willing to wait an hour for $19.00—almost exactly equal to the average hourly wage in the United States.10 E

ผลลัพธ์ (ไทย) 2:

หลักฐานเชิงประจักษ์
คุณค่าของการประหยัดเวลา
ปัญหาพื้นฐานหันหน้าไปทางวิธีการตั้งค่าการเปิดเผยในการปฏิบัติคือประเภทของอคติที่เรากล่าวถึงในบทที่ 3. เมื่อทำการวิเคราะห์การตั้งค่าการเปิดเผยการรักษาเป็นที่ดีกับคุณลักษณะบางอย่าง (เช่นการเพียง 10 นาทีจาก เมือง) ในขณะที่การควบคุมเป็นอีกหนึ่งดีโดยไม่ต้องแอตทริบิวต์นั้น (เช่นเป็น 5 นาทีไกลออกไปจากเมือง) ปัญหาคือว่าการรักษาและการควบคุมอาจแตกต่างกันในวิธีการที่นำไปสู่การมีอคติ สมมติว่าบ้านที่สร้างขึ้นใกล้ชิดกับเมืองที่มีขนาดเล็กหรือว่าพวกเขามีหลาขนาดเล็ก นี้จะนำค่าของพวกเขาจะลดลงเพื่อที่ว่าเมื่อหนึ่งเมื่อเทียบกับราคาของบ้านที่ห่างไกลออกไปและใกล้ชิดกับเมืองหนึ่งอาจไม่พบการลดลงคาดว่าในราคาสำหรับบ้าน -away ไกล ในพื้นที่นครบาลบอสตันเช่นเมืองเอเวอเรคือโดยเฉลี่ยเพียง 4 ไมล์จากเมืองบอสตันในขณะที่ชานเมืองเล็กซิงตันเป็น 11 ห่างออกไป แต่ราคาบ้านโดยเฉลี่ยใน Everett เป็น $ 322,923 ในขณะที่ราคาบ้านโดยเฉลี่ยในเล็กซิงตันเป็นประมาณ 2.3 เท่าสูงที่ $ 746,804.9 เพราะนี่คือบ้านในเล็กซิงตันโดยทั่วไปจะมีขนาดใหญ่มากและมีแอตทริบิวต์ nicer กว่าผู้ที่อยู่ในเอเวอเร หลายของคุณลักษณะเหล่านี้เป็นที่สังเกตได้เช่นเป็นตารางฟุตของบ้านหรือจำนวนของห้องน้ำ ในกรณีดังกล่าวเราสามารถพยายามที่จะควบคุมความแตกต่างเหล่านี้แอตทริบิวต์อื่น ๆ โดยใช้การวิเคราะห์การถดถอยข้าม -sectional กับตัวแปรในการควบคุม อันที่จริงในบริบทนี้มีชื่อสำหรับกลยุทธ์ดังกล่าว: การวิเคราะห์ตลาดความชอบ เงิน Hedonic การวิเคราะห์ตลาดโดยการเรียกใช้การถดถอยของค่าบ้านในแต่ละมัดของคุณลักษณะของที่อยู่อาศัย: ระยะห่างจากใจกลางเมืองจำนวนห้องนอนจำนวนห้องน้ำพื้นที่เป็นตารางฟุตและอื่น ๆ ความคิดก็คือว่าถ้าเราควบคุมในบริบทของการถดถอยสำหรับทุกคุณลักษณะอื่น ๆ กว่าระยะทางที่เราจะได้รับการเปรียบเทียบหลักบ้านเหมือนกันในสถานที่ที่แตกต่างกัน ในฐานะที่เราเน้นในบทที่ 3 แต่นี้ไม่น่าจะเป็นวิธีการที่น่าพอใจอย่างเต็มที่ มีความแตกต่างมากระหว่างบ้านที่ยากที่จะสังเกตเช่นการรับรู้คุณภาพของพื้นที่ใกล้เคียงหรือการดูแลที่ถ่ายโดยเจ้าของก่อนหน้านี้มี ถ้าสิ่งเหล่านี้จะมีความสัมพันธ์กับระยะห่างจากใจกลางเมืองก็จะหมายความว่ากลุ่มการรักษา (บ้านปิด) และกลุ่มควบคุม (บ้านห่างไกลมากขึ้น) ไม่ได้เป็นผลิตภัณฑ์ที่เหมือนกันดังนั้นเรา (ลำเอียง) ประมาณการไม่ให้การประเมินมูลค่าที่แท้จริงของ แตกต่างของเวลา เพื่อที่จะให้การประมาณการที่น่าเชื่อถือมากขึ้นของมูลค่าของเงินฝากออมทรัพย์เวลาวิธีการ -experimental เสมือนสามารถนำมาใช้ ตัวอย่างของการศึกษาดังกล่าวทำโดยการปลอมและ Sonstelie (1985) ในช่วงวิกฤตน้ำมันของปี 1970 ที่รัฐบาลกำหนดเพดานราคาใน บริษัท น้ำมันเบนซินขนาดใหญ่ตั้งราคาสูงสุดที่ บริษัท เหล่านั้นสามารถเรียกเก็บต่อแกลลอนของก๊าซ เหล่านี้ในราคาที่ต่ำ (เทียบกับราคาในตลาดจริง) นำผู้บริโภคที่จะรอในสายยาวที่จะได้รับก๊าซ เพดานราคาเหล่านี้ไม่ได้นำไปใช้กับขนาดเล็กสถานีเป็นอิสระเพื่อให้เป็นสายสั้นมี เป็นผลให้จำนวนของบุคคลเวลาที่มีความเต็มใจที่จะรอที่สถานีที่เป็นเจ้าของโดย บริษัท ก๊าซขนาดใหญ่ (กลุ่มทดลอง) เทียบกับสถานีอิสระ (กลุ่มควบคุม) สามารถเทียบกับจำนวนเงินที่บันทึกไว้ได้โดยไปที่สถานีการรักษา แทนสถานีควบคุมในรูปแบบคุ้มค่าของเวลา ผู้เขียนเมื่อเทียบสถานีเชฟรอนในรัฐแคลิฟอร์เนียซึ่งได้รับคำสั่งให้ลดราคาของพวกเขาโดย $ 0.45 ต่อแกลลอน (ในปี 2009 ดอลลาร์) ต่ำกว่าราคาที่ถูกเรียกเก็บโดยกลุ่มควบคุมสถานีอิสระ เส้นที่เกิดขึ้นที่สถานีเชฟรอนสำหรับก๊าซราคาถูกบังคับให้ลูกค้าต้องรอเฉลี่ย 14.6 นาทีมีมากกว่าที่สถานีการแข่งขัน การซื้อเฉลี่ย 10.5 แกลลอนบอกประมาณว่าคนที่ประหยัด 19.00 $ (ในปี 2009 ดอลลาร์) ต่อชั่วโมงพวกเขารอคอย ว่ามีบุคคลที่เปิดเผยตัวเองเพื่อจะยินดีที่จะรอชั่วโมงสำหรับ $ 19.00 เกือบเท่ากับค่าจ้างรายชั่วโมงเฉลี่ยในประเทศ States.10 E