动态Tobit模型在单位根条件下的稳健估计方法研究
本研究探讨了在局部趋近于单位根条件下动态Tobit模型的稳健估计问题。研究发现，高斯最大似然估计和删失最小绝对偏差估计均具有一致性，而普通最小二乘法虽然也一致，但其t统计量不服从标准正态分布。该成果为基于序列t检验的可靠模型选择提供了理论支持，并在金融与流行病学时间序列分析中具有实际应用价值。
2025-12-16 速览 · 经济学
2025-12-16 共 24 条抓取，按综合热度排序
通胀预期分歧如何影响银行信贷供给？
本研究通过扩展垄断银行模型，引入风险厌恶和模糊厌恶，揭示了银行主观通胀预测的分歧是货币政策传导至信贷供给的重要渠道。模型预测通胀不确定性或信念不对称会推高均衡贷款利率并加剧信贷配给。基于法国贷款数据，研究发现更高的主观不确定性和不对称性会提高平均贷款利率并扭曲其分布，尤其影响尾部财务受限企业。定量分析表明，相关指标从25分位升至75分位会使企业平均借贷成本上升超10个基点，相当于非金融企业每年增加约5亿欧元利息支出。
经济时间序列预测新方法：IMF分解与神经网络结合提升可解释性
本研究探索了将经济时间序列分解为本征模态函数（IMFs）后，如何提升神经网络（MLP和LSTM）的预测性能。通过应用DeepSHAP方法，研究量化了每个IMF对预测的边际贡献。结果表明，代表长期趋势的末位IMF最具影响力，而高频IMF贡献较小甚至可能引入噪声。研究还揭示了不同神经网络架构（MLP与LSTM）对特征重要性分布的影响差异。
经济时间序列可解释AI：方法分类与政策应用指南
本文系统综述了经济时间序列可解释人工智能（XAI）领域的研究进展。针对经济数据特有的自相关、非平稳性、季节性等挑战，文章提出了一个分类框架，将方法按解释机制（如传播法、扰动法、函数法）和时间序列兼容性进行划分。重点介绍了向量化、窗口化等适应性改进，以及如何将可解释性与因果推断、政策分析（如即时预测、压力测试）相结合，为决策级应用提供指导。
连续处理效应框架：量化空间与网络溢出效应
本文构建了一个连续处理效应框架，用于分析政策或冲击通过地理空间和经济网络产生的溢出效应。研究从异质性主体加总、市场均衡和成本最小化三大经济学基础推导出主导方程，证明了该框架的坚实理论基础。核心发现表明，空间-网络交互系数等于地理坐标与市场坐标之间的互信息。通过Feynman-Kac表示，效应可分解为沿经济联系路径的“继承”与“累积”两部分。蒙特卡洛模拟显示，当存在溢出效应时，传统估计方法（如双向固定效应、双重差分法）会产生25-38%的偏差和严重的覆盖不足，而新方法无论是否存在溢出都能保持正确推断。应用该框架分析美国最低工资政策，发现总效应是直接效应的四倍，传统方法仅捕捉到四分之一的影响。结构估计揭示了与通勤距离一致的空间扩散模式，以及与季度供应链调整一致的网络扩散模式。基于熵的脆弱性诊断在预测劳动力市场中断方面，比标准中心性指标表现优异56-76%。
机器学习揭示巴基斯坦女性社交媒体赋能与创业差距
本研究通过混合方法，结合线上/线下抽样调查（51人）及社交媒体使用（1000人）、创业（1092人）数据集，分析了巴基斯坦年轻女性赋能与经济增长的关系。研究发现，无监督学习识别出两种紧密且分离的社交媒体参与模式；逻辑回归在预测创业行为上表现最优。39.4%的受访者认为社交媒体通过增加收入对经济有积极影响，但仅14%参与创业，数字参与与商业应用间存在巨大鸿沟。主要障碍包括网络骚扰、数字素养不足及父权文化约束，且52.9%的受访者不了解政府支持政策。
胡萝卜加大棒？瑞士大学食堂实验揭示可持续饮食定价策略
一项在瑞士大学食堂进行的大规模实地实验发现，对肉类加价和对素食打折的“组合拳”策略，能有效引导消费者选择素食，并减少碳排放，且不影响整体销售额。单纯对肉类加价虽能提升素食选择，但会导致顾客流失至其他餐厅，抵消环境收益。研究表明，平衡的定价策略能在现实竞争环境中有效推动饮食转型。
产品空间分析揭示电动汽车产业新格局：跨界能力决定转型成败
本研究通过构建覆盖所有行业的国家层面产品空间和包含900多种汽车零部件的行业特定产品空间，分析了电动汽车产业转型的路径依赖与能力形成。研究发现，国家产品空间中的接近中心性（而非简单邻近性）是预测新比较优势出现的关键指标。欧盟在车辆和铝制品领域的现有优势预计将在未来十年催生更多电动汽车特定优势，而韩国、中国、美国等国在向电动汽车相关产品多元化方面潜力巨大。研究指出，汽车转型的成功取决于各地区调动现有工业能力（尤其是机械和电子设备领域）的能力。
企业营销策略新视角：将因果效应估计与利润目标对齐
本文提出了一种新的条件平均处理效应（CATE）估计方法，旨在将营销行动的因果效应估计与企业的利润最大化目标直接对齐。传统方法追求预测准确性，而新方法认识到，对于多数客户，处理效应已足够极端，额外精度不会改变行动建议；关键在于决策边界附近的准确性，微小误差即可导致目标决策失误。通过修改标准利润最大化问题中的目标函数，该方法能在估计CATE的同时，生成近乎最优的客户定向策略，将CATE估计重构为一个利润优化问题。
信息不对称下工作不安全感如何影响宏观经济稳定？
本研究在新凯恩斯主义框架中，首次将工作不安全感宏观形式化，并引入劳动力市场摩擦。模型假设私人部门仅能接收到来自完全知情公共部门的噪声信号。研究发现，当货币政策遵循泰勒规则时，均衡是唯一且确定的；但关于当前或未来基本面的新闻发布，仍可能通过总需求与货币政策的相互作用引发“透明度悖论”。若违反泰勒规则，则可能出现信念驱动的均衡。基于模拟矩方法的验证证实了模型关键结论的经验合理性。
集成储层网络：提升宏观经济预测精度的新方法
本研究探讨了集成多频率回声状态网络（MFESN）在宏观经济时间序列预测中的应用。通过理论分析和实证检验，证明了集成模型相比单一模型能显著提升预测性能。研究还讨论了Hedge和Follow-the-Leader等在线学习方案，并将其保证扩展到依赖数据场景。
AI决策中的历史依赖：网络效应下LLM代理的“乐观偏差”
本研究探讨了在多AI代理框架中，基于大语言模型的代理如何在网络效应博弈中做出决策。研究发现，AI代理的均衡结果不仅取决于激励结构，更关键地依赖于历史数据的呈现方式。在没有历史数据时，代理无法推断均衡；有序的历史序列（如价格上升）在弱网络效应下能促成部分收敛，但强效应会引发持续的“AI乐观主义”，即代理会高估参与度；而随机化的历史数据则会完全破坏收敛。这表明，在AI主导的系统中，历史数据的“时间连贯性”是塑造其推理的关键，这与人类决策者存在根本差异。
削减性健康医疗资金：拓扑数据分析揭示加州医疗资源可及性差距
本研究针对美国加州，分析了政府削减对计划生育健康中心（PPHCs）的医疗补助（Medicaid）资金后，对性健康与生殖健康服务可及性的影响。研究对比了PPHCs与联邦合格健康中心（FQHCs）的地理分布，并创新性地运用拓扑数据分析（TDA）方法，通过n-最近邻算法和持续同调分析，量化了医疗覆盖在多个尺度上的现有及潜在缺口。结果表明，单纯增加对FQHCs的拨款无法弥补因PPHCs资金削减造成的空间不平等，研究识别出了服务获取最脆弱的区域，为公共卫生政策评估提供了新的分析工具。
预测模拟框架助力数字金融包容性：基于静态数据的政策前瞻
本研究针对资源受限国家数字金融服务推广的挑战，提出了一种预测性模拟框架，以支持前瞻性治理。该框架利用包含10,108名受访者的调查数据，通过描述性分析、可解释机器学习与情景模拟三阶段流程，在政策实施前预测数字金融素养干预措施的效果。研究发现，提升设备访问和费用追踪等基础数字能力，预计可获得高达5.5%的收益，优于态度引导。模型还能实现精准定位，识别出年轻女性看护者为高响应群体，并标记出城市专业人士等低响应群体，从而优化资源配置。
战略调度中的公平协调：兼顾纳什均衡与作业权重的公平分配
本文研究战略代理（代表不同权重的作业）在多台相同机器上的调度问题，旨在超越传统完工时间最小化的单一目标，引入战略公平性。核心提出了两个自然属性：可信性（确保分配是纳什均衡）和平等性（要求相同权重的作业分配到负载相等的机器）。研究进一步结合了基于无嫉妒性的公平层级及其多种松弛形式（允许对权重更高的代理产生嫉妒）。论文完整刻画了这些属性单独或组合下的可满足性与决策问题的计算复杂性图谱，并探讨了其在最小化完工时间优化下的结构性约束。对于正面结果，作者开发了一种统一的算法框架，通过微调关键子程序来实现不同的公平属性。
信息推断新方法：处理模型误设与部分识别参数
本文提出了一种基于信息的推断方法，适用于具有集合值预测的不完全模型。该方法的核心在于最小化一个经过调整的Kullback-Leibler信息准则，该准则考虑了模型的不完整性，并能产生一个非空的伪真集。其关键优势在于：计算上易于处理；无论模型设定正确与否，其实现方式保持一致；能够充分利用离散和连续协变量的所有变异信息；并依赖于被证明是渐近枢轴的Rao得分统计量。
幸福与可持续发展关联研究：图形套索与分位数回归揭示非线性关系
本研究采用图形套索与分位数回归方法，分析126个国家的主观幸福感与可持续发展目标指数关系。研究发现，在控制治理、收入与预期寿命后，两者直接条件相关性约为0.21。分位数回归进一步揭示关联具有异质性：在低幸福感但高可持续性国家呈正相关，在高幸福感但低可持续性国家呈负相关，其他情境则基本中性。结果表明幸福与可持续性关联微弱、不对称且依赖情境，政策应超越均值回归，关注制度质量等主导因素。
基于分布鲁棒性的跨时空政策效应预测方法
本研究提出了一种仅利用回顾性数据、无需目标人群信息的估计器，用于预测同一政策在不同地点或时期实施时的处理效应。该方法通过最小化以源分布为中心的Wasserstein球内一类分布中最坏情况下的均方误差，并利用潜在结果边际分布的最佳和最差连接函数进行部分识别，从而得到最小化最大优化器的上下界。研究区分了处理效应同质与异质情况下的不同解，推导了边界估计量的一致性和渐近分布，并提供了两步推断程序及Wasserstein球半径的选择讨论。
管道运输统一理论：为基础设施韧性提供新框架
本文提出了管道运输通用理论（GTPT），旨在解决现有理论碎片化问题。该理论将管道系统视为一个复杂的社会技术实体，其状态由物理动力学、生命周期动力学和社会经济动力学三个相互依存的领域完全耦合决定。通过将韧性定义为核心设计目标，并将联合国可持续发展目标（SDGs）操作化，GTPT为跨关键领域的基础设施设计、管理和治理提供了新的理论基础。
面板数据缺失难题新解法：利用“刷新样本”与迭代比例拟合算法
针对面板数据中常见的非随机性样本流失问题，研究提出了一种结合辅助“刷新样本”与迭代比例拟合算法的估计方法。该方法在仅需对流失过程做出较弱假设的前提下，即可恢复模型的全识别性，并有效解决了传统方法中需进行复杂函数最小化的问题。算法在连续及中等高维数据中收敛迅速，研究同时证明了密度估计量与矩估计量的一致性及收敛速度，并提供了简便的渐近方差估计递归程序。模拟实验与实际数据应用均验证了其良好性能。
选举更替能否确保官员尽责？声誉模型揭示问责机制
研究通过声誉模型探讨选举更替能否促使官员始终为选民利益服务。模型假设官员分为始终尽责的“好”类型和可能卸责的机会主义者。研究发现，长期良好结果总是可达成的，但机制和稳健性取决于经济环境。在激励充足的环境中，部分均衡能维持尽责，但另一些仍存在长期卸责；在激励不足时，机会主义者无法被完全约束，但选择效应占主导——所有均衡最终都会稳定在好官员上，实现永久尽责。
历史索赔问题：引入历史算子扩展传统规则
本文研究具有历史背景的索赔问题。在连续多期中，一组代理人持续对不足的资源持有索赔权。当前问题的解决方案可能受到过去各期解决方案（历史）的影响。作者引入了一个自然的历史算子，将解决单期索赔问题的标准规则扩展为能处理历史索赔问题的规则。研究分析了该算子对规则性质的保持性，并给出了其特征化结果。
线性回归在非线性世界中的系数解读
本文探讨了当真实数据生成过程为非线性时，如何解读多元线性回归的系数。研究发现，若关注变量与其他协变量间呈线性关系，其回归系数可解释为结果变量条件期望函数对该变量导数的加权平均。若关系非线性，则系数会相对于此加权平均产生偏差，该偏差可被解释，类似于标准线性模型中测量误差和遗漏变量偏差的性质。
动态贝叶斯劝说：状态随机揭示下的策略分析
本文扩展了经典的贝叶斯劝说模型，研究状态依马尔可夫律演化的动态场景。发送者始终知晓真实状态，而接收者仅以一定概率随机获知。文章重点分析了当发送者耐心程度（贴现因子趋近于1）时，其期望收益的极限行为，并探讨了该极限值与状态“揭示率”（即每阶段接收者获知真实状态的概率）之间的关系。