Der Filesharing-Markt

(1)

Referat Gruppe 8 Koerber, Glogowski, Seefried, Müller, Thiemicke

Der Filesharing-Markt

(2)

Gliederung

1. Relevanz

2. Beitrag zum Forschungsstand 3. Modell

4. Forschungshypothesen 5. Experimentaldesign

6. Beobachtungen und Kosten 7. Statistische Analyse

8. Ausblick

(3)

1. Relevanz

(4)

1. Relevanz

Ökonomische Bedeutung von Filesharing

 Sehr großer Markt:

• 2007: über 300 Millionen Dateien in Deutschland heruntergeladen (GfK)

• 9 von 10 Downloads illegal (GfK)

 Verletzung von Eigentumsrechten:

• Rechtstaatlichkeit und Privateigentum Grundlagen der Marktwirtschaft

• Verzerrungen und Ineffizienz

 Schaffung von Marktbedingungen:

• Durchsetzung von Eigentumsrechten?!

(5)

1. Relevanz

Warum ein Labor- und kein Feldexperiment?

 Es besteht eine problematische Felddatenlage aufgrund der Tatsache, dass es sich um einen illegalen Markt handelt. Daten bezüglich des Nutzung von Filesharing-Börsen lassen sich wegen der geltenden Rechtslage nicht von den Providern einholen. Theoretisch käme eine Schätzung über die offizielle Kriminalstatistik des BKAs in Frage. In Praxi ist dies jedoch ein ungenauer Schätzer, da viele Fälle von Eigentumsrechtverletzungen nicht durch die Polizei, sondern die Rechte-Eigentümer der Staatanwaltschaft zur Strafverfolgung gemeldet werden. Diese Zahlen stehen jedoch im Allgemeinen nicht zur Verfügung.

 Das Ziel des Experiments ist eine Sensitivitätsanalyse der Risikoneigung. Eine Schwellwertbestimmung bezüglich der Strafhöhe bzw. der erwarteten Wahrscheinlichkeit erwischt zu werden bedarf also einer Szenarioanalyse dieser Parameter. Dies jedoch kann in einem Feldexperiment nur schwierig (sehr langer Zeitraum, problematische Isolation der Einflussfaktoren) und unter hohen Kosten (wirtschaftlicher Schaden durch FS, entgangene Strafgelder ect.) durchgeführt werden

(6)

2. Beitrag zum Forschungstand

Existierende Literatur

 Überblick über die Thematik:

• Stan J. Liebowitz (2005): Economists Examine File-Sharing and Music Sales

 Einfluß von Filesharing auf Verkaufserlöse aus Tonträgern:

• Felix Oberholzer et al. (2004) : The Effect of File Sharing on Record Sales

 Freerider - Problematik:

• Ramon Casadesus-Masanell et al.(2006): Peer-to-Peer Filesharing and the Market for Digital Information Goods

• Ramayya Krishnan et al. (2002): The virtual commons: Why Freeriding can be tolerated in File-Sharing Networks

(7)

2. Beitrag zum Forschungstand

Individuum

legale Tauschbörse Kosten pro Download

File-Sharing Markt Risiko erwischt zu werden Flatrate-Strafe/Nachzahlungen

Frage: Wie wirken sich Präventions- und Sanktionsmaßnahmen auf Marktauswahlentscheidungen aus?

Budget

erwartete Wahrscheinlichkeit erwischt zu werden

(8)

3. Modell

Outsider

Nutzenfunktion:

MP3 Bestand vor Periode T

File-Sharer

Nutzenfunktion (ohne Bestrafung)

Nutzenfunktion (bei Bestrafung)

Nachzahlung

T T

T

t L j T

t I j m

L

u x x y c y

U ( ) *

1

  

 

^



^

⁽ ⁾

1



^

^

^

^



^T

t

T L

j T

t I j m

N

u x x y

U



 

^

^

^

^ ^ ^ ^

^

 (

¹ ¹

) * (

¹

)

T

t I j T

T

t

T

t

T L j I

j m

P

u x x y P c y x

U

u^mNutzen aus den nach Periode T vorhandenen MP3‘s y_t Menge Downloads in Periode T

c konstante Kosten pro Download x^I Menge illegal heruntergeladene Mps3s x^L Menge legal heruntergeladene Mps3s P Flatrate Strafe

(9)

Relative Auszahlung des File Sharings:

Nutzenvorteil des FS gegenüber dem „legalen“ Markt – ohne Bestrafung

es gilt 0<u<1

Nutzenvorteil falls das Individuum File Sharing betreibt und nicht bestraft wird

Marktauswahlentscheidung:

p(t, T)… erwartete Wahrscheinlichkeit in Periode T bestraft zu werden P

N

L N

U U

U u U



 

) , ( t T p

u 



^





₁

) (

*

T

t j T

T

x y

c P

y c

3. Modell

(10)

…individuellen Erwartungen p(t, T)?

1) Die Anzahl der bestraften File Sharer des eigenen Beobachtungsraumes.

2) Die tatsächliche Wahrscheinlichkeit erwischt zu werden

Welche Parameter beeinflussen die…

3. Modell

(11)

4. Forschungshypothesen

Eine höhere erwartete Wahrscheinlichkeit erwischt zu werden führt zu einem größeren Rückgang illegaler Downloads als eine höhere

tatsächliche Wahrscheinlichkeit erwischt zu werden Hypothese 1

Höhere Bestrafungsmaßnahmen reduzieren die Anzahl illegaler Downloads Hypothese 2

) ,

( t T p

u 

(12)

4. Forschungshypothesen

Die erwartete Wahrscheinlichkeit erwischt zu werden bildet sich bei den Teilnehmern, indem sie aus ihrem Beobachtungsraum der letzten Runde die

mögliche Wahrscheinlichkeit in der nächsten Runde erwischt zu werden antizipieren. Diese hat einen stärken negativen Einfluss auf die Entscheidung dem

illegalen Markt beizutreten, als wenn Ihnen die tatsächliche Wahrscheinlichkeit erwischt zu werden vorgegeben wird.

Erklärung zu

Hypothese 1

(13)

5. Experimentaldesign

Allgemeines:

 Teilnehmer: Studenten

 Within-subject design

 3 Treatments

 Anzahl der Teilnehmer pro Treatment: 20

 Show-up fee: 5€ pro Teilnehmer

 Budget: 20€ pro Teilnehmer

 gespielte Runden pro Treatment: 10

 Wert/Kosten einer Mp3: 1€

 Endwert nach dem Experiment wird in Form eines iTunes Gutscheins ausbezahlt

(14)

5. Experimentaldesign

Quiz Start des

Experiments

Ggf. Information der Teilnehmer

über Strafhöhe und Wkt.

Fragebogen zum persönlichen Verhalten und

Einstellung Instruktionen

Auszahlung Entscheidung

über legalen oder illegalen Makrtbeitritt

Testlauf

Ggf. Tabelle über Verteilung in der

letzten Runde und Abfrage der

erwarteten Wkt.

Ende des Experiments

(15)

5. Experimentaldesign

 Teilnehmer erfahren vor jeder Runde die tatsächliche Wahrscheinlichkeit erwischt zu werden und die Höhe der Strafe

 Strafe konstant bei 5€

 Anreizverträglichkeit

0%

10%

20%

30%

40%

50%

Variation des Risikos

Variation des Risikos

Treatment 1 (Hypothese 1):

(16)

5. Experimentaldesign

 Teilnehmer haben diesmal keine Information über die tatsächliche Wahrscheinlichkeit erwischt zu werden

 Informationen über die Vorrunde:

• Anzahl Teilnehmer

• Anzahl Teilnehmer illegaler Markt

• Anzahl erwischter Teilnehme

 Teilnehmer bekommen vorher Information über die Vorrunde an Hand einer Tabelle über die Verteilung und können so ihre erwarteten Wahrscheinlichkeit für die nächste Runde bilden

 Abfrage der erwarteten Wahrscheinlichkeit erwischt zu werden mittels einer Skala

Treatment 2 (Hypothese 1):

0%

5%

10%

15%

20%

25%

30%

35%

40%

45%

Runde 1 Runde 2 Runde 3 Runde 4 Runde 5 Runde 6 Runde 7 Runde 8 Runde 9 Runde 10

Variation des tats. Risikos

Variation des tats. Risikos

(17)

5. Experimentaldesign

 Teilnehmer kennen die Höhe der Strafe jeder Runde

 Risiko konstant bei 5% über alle Runden

Treatment 3 (Hypothese 2):

0 € 2 € 4 € 6 € 8 € 10 € 12 € 14 € 16 € 18 € 20 €

Runde 1 Runde 2 Runde 3 Runde 4 Runde 5 Runde 6 Runde 7 Runde 8 Runde 9 Runde 10

Variation der Strafe

(18)

6. Beobachtungen und Kosten

minimal 0 verlorene Beobachtungen durch Ausscheiden wegen verlorenen Budget

Maximal 20 verlorene Beobachtungen

maximal 20 verlorene Beobachtungen

Maximal 6 verlorene Beobachtungen

Show Up Fee: 5€ * 20 Teilnehmer = 100€

maximale Kosten für iTunes Gutscheine = 800€

minimale Kosten = 400€

Anzahl an Beobachtungen (best and worst case) Kosten (best and worst case)

Treatment 1

Treatment 2

Treatment 3

Gesamt: 2700€ für alle Treatments (worst case) 1500€ für alle Treatments (best case)

Gesamt (best case): 600 Beobachtungen über alle Treatments

(19)

7. Statistische Analyse

Panelschätzungen Parametrische Tests Erweiterung

Treatment 1

Anzahl illegaler Downloads = b₀ + b₁ * tatsächliche Wkt. erwischt zu werden (-) + b₂ * Gender (+) + b₃ * wurde bereits erwischt (-) + b₄ * in der Realität

File Sharer (+) + b₅ * Time Dummy +….+ u

Einführung von Person Dummies

Gender Dummies wegen

„technischer Verzsertheit“

Treatment 2

Anzahl illegaler Downloads = b₀ + b₁ * erwartete Wkt. erwischt zu werden (-) + b₂ * Gender (+) + b₃ * wurde bereits erwischt (-) + b₄ * in der Realität

File Sharer (+) + b₅ * Time Dummy +….+ u

Treatment 3

Anzahl illegaler Downloads = b₀ + b₁ * Strafhöhe(-) + b₂ * Gender (+) + b₃ * wurde bereits erwischt (-) + b * in der Realität File Sharer (+) + b * Time

Gender Dummies wegen

„technischer Versiertheit“

Im Bezug auf unsere Hypothese 1 erwarten wir für die Koeffizienten b1 bei der tatsächlichen Wkt. Erwischt zu werden aus Treatment 1 und mit b1 bei der erwarteten Wkt. Erwischt zu werden aus Treatment 2 verschiedene Werte für den Koeffizienten b1. In Treatment

2 sollte dieser Koeffizient daher geringer ausfallen als in Treatment 1.

(20)

8. Ausblick

generelle Anwendung auf Marktentscheidungen legaler vs. illegaler Markt

Schwarzmarkt, Zoll, Steuerhinterziehung Erweiterung der Anwendung

Erweiterung des Modells um Freerider und Filesharer Modellierung eines Public Good Games mit Risiko

Andere Anreizverträglichkeit, höhrere Kosten für Filesharer, Modellierung von Bandbreiten Unterteilung in Freerider und

Filesharer

Erwartete Wahrscheinlichkeit erwischt zu werden hängt ab vom Budget zur Eindämmung von Filesharing, allgemeiner Verbreitung von P2P Börsen oder Nutzeranzahl

Einfluss von Präventionsmaßnahmen, wie Aufklärung, moralischer Verurteilung Andere Treatments

(21)

8. Ausblick

Der Filesharing-Markt