Using Big Data to Estimate Consumer Surplus: The Case of Uber
Cohen, Peter et al. — 2016
Résumé (FR)
Cet article exploite le mécanisme de surge pricing d’Uber et des données individuelles de grande échelle pour estimer les surplus consommateurs générés par le service UberX. Les auteurs utilisent un design de régression par discontinuité sur près de 50 millions d’observations individuelles issues des quatre plus grands marchés américains (Chicago, Los Angeles, New York, San Francisco). Ils estiment des élasticités-prix de la demande à plusieurs points de la courbe de demande, révélant une inélasticité relativement élevée des passagers au prix. En 2015, UberX a généré environ 2,9 milliards de dollars de surplus consommateur dans les seules quatre villes étudiées. Ce travail démontre comment les données massives des plateformes numériques permettent de mesurer empiriquement le bien-être économique. Il constitue une contribution méthodologique majeure à l’économie des plateformes de transport.
Summary (EN)
This paper leverages Uber’s surge pricing algorithm and large-scale individual-level data to estimate consumer surplus generated by UberX. The authors apply a regression discontinuity design to nearly 50 million individual-level observations from Uber’s four largest US markets (Chicago, Los Angeles, New York, San Francisco). They estimate price elasticities of demand at multiple points along the demand curve, revealing a relatively high inelasticity among passengers. In 2015, UberX generated approximately $2.9 billion in consumer surplus in the four studied cities alone. The work demonstrates how platform big data can be used to empirically measure economic welfare. It represents a major methodological contribution to the economics of transport platforms.
Points clés
| Aspect | Détail |
|---|---|
| Thème | supply-demand |
| Venue | NBER Working Paper No. 22627 |
| Mots-clés | consumer surplus, Uber, surge pricing, demand elasticity, ride-hailing |
| DOI | N/A |