今日速览 · AI 导读
自动抓取 arXiv 多学科 RSS，DeepSeek 自动润色标题与摘要，最快 24 小时内汇总。每日 14:00 初始化批次并每 15 分钟轮询学科，24h 无数据则回退 72h/7 天；arXiv 周末停更时自动跳过。
今日经济学研究聚焦于方法创新与复杂系统分析，强调贝叶斯框架、网络传导与行为激励的深度整合。
2026-01-16 共 24 条抓取，按综合热度排序
本文提出了一种在实验中结合先验信息（如过往试验、相关研究或专家评估）来估计处理效应的贝叶斯模型平均（BMA）框架。当先验研究的信息量可能与当前实验相当时，作者引入了一种非标准渐近框架，其中先验精度随样本量增长。在此框架下，后验权重由一个同时取决于来源偏差和信息量的外部有效性指数决定：有偏来源被指数级降权，而无偏来源占主导。当至少有一个来源无偏时，该方法能收敛到无偏集合，且比仅依赖新数据收敛更快；若所有来源有偏，引入一个保守的扩散先验可保证稳健性并恢复标准收敛速率。
本章构建了一个统一框架，用于研究“模型误设”下的学习过程，即决策者在错误的环境模型中优化和更新信念。文章回顾了从误设模型中学习的统计学基础，并将这些洞见扩展到数据内生且依赖于行动的环境，涵盖了单智能体和多智能体战略博弈场景。该研究为理解现实世界中普遍存在的、基于不完美模型的学习与决策行为提供了理论基础。
本研究首次从理论上探讨了指数保险对渔民捕捞行为的影响。传统模型（仅考虑种群丰度风险）预测保险会激励渔民增加捕捞量。但引入更灵活的生产函数（考虑多种风险来源和缓解策略）后，影响方向取决于保险合约设计：保护捕捞风险的合约可能导致捕捞量增加10%或减少2%；而保护种群风险的合约则会导致捕捞量增加6%-20%。研究强调，在推广指数保险前，必须审慎评估其对过度捕捞的激励效应。
本文系统回顾了用于衡量结构权力的主要网络分析方法，即通过网络位置和影响力塑造结果、以及通过网络连接影响他人的能力。这些方法已应用于公司控制、全球价值链和技术供应链等领域。为填补统一框架的空白，论文提出了一个分类法，将现有方法归纳为六类：基于中心性的方法、博弈论模型、集中度度量、基于流的方法、优化框架以及融合不同元素的混合方法。该分类阐明了各类方法的假设、分析重点和相对优势，为理解权力在复杂经济与政治系统中如何构建与传递提供了连贯视角。
本研究通过分析人工智能、生物技术和半导体三大战略领域的专利数据，对比了发明者合作网络与机构所有权网络的介观结构。研究发现，发明者网络更密集、聚类性更强，表现为嵌入更广泛制度层级中的小型循环团队；而机构网络则具有更清晰的基于角色的层级结构，由少数核心企业协调大量外围实体。研究还发现，这些网络结构与创新产出（如前向引用）密切相关，引用高度集中在少数集群中，揭示了技术影响力的普遍不平等。结果表明，传统的模块化最大化方法可能无法完全捕捉协作如何驱动发明影响力跨领域传播，需要更精细的贝叶斯推断工具。
本文提出了一种新的资产定价模型选择与检验框架，旨在解决现有文献过度关注最小化定价误差而忽略未入选候选因子潜力的问题。该框架通过两个核心步骤运作：首先，选择能够跨越测试资产与所有候选因子联合有效前沿的最优模型；其次，对测试资产及未入选候选因子同时进行定价性能检验。其方法基于资产定价对偶性原理，即最小化横截面上的未解释定价误差等价于最大化所选因子模型的夏普比率。实证结果表明，主流因子模型未能通过资产定价检验，而本文提出的8因子模型未被拒绝，并展现出稳健的样本外表现。
本文针对家庭调查中常见的非随机无应答问题，提出了一种半参数估计方法。该方法利用多次联系尝试产生的回访数据，构建了不指定结果分布形式的半参数模型，有效纠正了因无应答导致的样本选择偏差。研究推导了包括基尼系数、泰尔指数在内的多种不平等指标估计量的大样本性质，并提供了明确的渐近方差表达式，支持有效的统计推断。模拟与应用表明，该方法能显著降低无应答偏差，并接近基准效率。
本研究证明，在偏好投票系统中，不存在同时满足孔多塞赢家/输家准则、正向参与性（若候选人x原本获胜，新增一位将其排在第一的选民不会导致x落败）和可解性（若x原本并列获胜，可通过增加一位选民使其成为唯一赢家）的投票方法。该结论无需额外假设，在至少五候选人的选举中成立，揭示了投票机制设计中的根本性限制。
causalfe包提供了用于面板数据的Causal Forests with Fixed Effects（CFFE）方法的Python实现。标准因果森林方法在处理面板数据时，会因单位和时间固定效应导致处理效应估计出现虚假异质性。CFFE方法通过在树构建过程中执行节点级残差化来解决此问题，即在每个候选分割内而非全局移除固定效应。论文描述了该方法论，说明了软件接口，并通过模拟研究验证了该估计器在不同数据生成过程中的性能。
本研究通过两阶段在线实验（N=491）首次提供了行为证据，表明大语言模型（LLM）带来的效率提升伴随着社会制裁成本。实验参与者可以花费自己的资金来削减此前在真实努力任务中依赖或不依赖LLM支持的同伴的收入。结果显示，参与者平均销毁了完全依赖模型者36%的收入，且惩罚力度随实际LLM使用量单调增加。研究还发现，关于LLM使用的声明存在可信度鸿沟：自我报告的“未使用”比实际未使用受到更严厉的惩罚，表明此类声明被怀疑；而在高使用水平下，实际依赖模型比自我报告依赖受到更强惩罚。
本研究提出了一种基于地质熵函数的统计方法，用于评估关键材料的供应风险和社会重要性。该方法允许灵活应用经济、国家安全或监管等约束条件，并能够描述元素价格与地壳丰度之间的关系，这两者均是评估供应风险的重要参数。该方法适用于呈现高度集中概率分布的集体决策参数，为材料关键性评估提供了新的定量分析框架。
本研究基于“城市反脆弱性”理论框架，通过对26个经历过重大危机（如洪水、疫情、经济冲击）的城市进行实证评估，提出了一套诊断城市危机应对策略与发展轨迹的方法。研究将城市定位在脆弱-稳健-韧性-反脆弱的连续谱上，发现“由创新和技术增强的韧性”是最有效的应对类型（得分86.9/100），并识别出六个达到反脆弱标准的城市。核心发现包括四个关键原则：可持续韧性、战略多样性、主动创新和积极预防。论文最终提出了一个与可持续发展目标（SDGs）相一致的、基于证据的操作模型，为城市将危机转化为持续转型提供了实用路线图。
本文针对多元断点回归设计（MRDD）提出了一种新的局部线性估计方法。当处理分配由多个运行变量构成的边界决定时，现有带宽选择方法在采用到边界点的距离作为运行变量时存在次优问题。新方法在渐近意义下有效，能够捕捉边界上的异质性处理效应。数值模拟显示，该估计量具有更小的均方根误差和更短的置信区间。在哥伦比亚奖学金和美国众议院投票的实证应用中，新方法揭示了更丰富的异质效应，且置信区间通常更短。
本研究开发了一种非参数检验方法，用于检测日内相关性过程的周期性变化。基于高频数据的研究发现，股票对数收益率之间的相关性在日内呈现明显的上升趋势，上午的相关性显著低于下午。检验统计量在原假设下具有已知分布，在备择假设下则发散。蒙特卡洛模拟表明，即使在样本量较小的情况下，该检验的有限样本性质也与大样本预测结果相近。实证分析显示，在大部分时间内，原假设都被拒绝，表明日内相关性变化在实践中是一个不可忽视的效应。研究还探讨了宏观经济新闻和企业财报公告等条件信息对日内相关性曲线的影响。
本文提出了一种新的点过程模型，其强度函数在局部可以无界但不会导致爆炸，从而能够描述事件在奇点周围的极端聚类现象（即“爆发”）。研究提出了一种非参数方法来检测强度中的此类爆发，该方法依赖于一个“重流量条件”，允许在有限时间区间内进行点过程推断。蒙特卡洛模拟表明，该检验方法在原假设下能控制检验水平，在备择假设下具有较高的拒绝率。应用该方法于欧元/美元即期汇率的高频数据，成功捕捉到交易活动的异常激增，并发现强度爆发期间的交易活动与波动率、非流动性以及观测到漂移爆发的概率呈正相关。
本研究提出了一个适用于多时期时变连续处理变量的双重差分（DiD）框架，用于估计处理组平均处理效应（ATET）。识别依赖于一个考虑了已观测协变量和过去处理历史的“条件平行趋势”假设。该方法允许存在滞后效应，并在重复横截面数据中适应协变量的构成变化。研究者开发了基于核函数的ATET估计量，并利用双重/去偏机器学习框架来处理潜在的高维协变量和历史变量。理论分析在温和的正则条件下建立了估计量的渐近性质，模拟实验表明其欠平滑版本在有限样本中表现良好。实证应用评估了巴西第二剂新冠疫苗接种率的影响，发现更高的接种率在滞后数周后显著降低了新冠相关死亡率。
本文构建了一个简约的多部门国际生产模型，研究特定商品生产中断如何通过生产网络传导至其他商品和消费者，并分析其影响如何取决于商品在网络中的位置及网络的整体结构。研究发现，短期中断的影响可能远大于长期影响：短期影响取决于所有供应链涉及中断商品的最终产品价值，而长期影响仅取决于中断商品本身的成本。模型表明，供应链复杂度的增加会提升中断的概率和短期预期规模，从而增加脆弱性；运输成本下降则可能导致生产专业化程度提高，虽降低中断概率，但一旦中断发生，其影响反而更大。模型还用于刻画一国通过生产转移及进出口配额对他国施加影响的能力。
本文提出了一种修正预测组合的方法，用于处理原始组合预测误差存在序列相关性的问题。研究发现，组合预测误差可能呈现强自相关性，通过在下一期组合预测中加入前一期误差的一部分（系数约为0.5），可以显著提升预测精度，其改进效果甚至可能超过原始组合预测带来的增益。该方法在条件风险框架下形式化，将组合误差分解为可预测成分和创新项，并将其与广义最小二乘法下的权重估计联系起来。基于美国专业预测者调查数据的实证分析表明，这种简洁的修正能有效缓解“预测组合难题”，使表现不佳的最优权重组合转变为具有竞争力的预测。
本文研究了多个存在偏见的发送方在承担披露或隐瞒私人信息成本时的自愿披露行为。研究发现，在相关假设下，披露成本使披露行为成为战略替代品，而隐瞒成本则使其成为战略互补品。因此，增加发送方在披露成本下会阻碍任何一方的披露，但在隐瞒成本下会促进披露。在前一种情况下，即使发送方利益对立，决策者也可能因发送方增加而受损。两种信息成本的影响机制，关键在于发送方在隐瞒信息时，如何预期他人的信息会系统性地影响决策者的信念。
本文探讨了经济学中常见但不可直接观测的潜在变量（如风险、信心、不确定性）带来的识别挑战。研究形式化地分析了忽略潜在变量如何导致遗漏变量偏误，并讨论了引入代理变量在何种条件下可以缓解此问题。文章区分了能完全消除偏误的“完美代理”与更现实的“不完美代理”（后者仍存在残余偏误和衰减效应），并提出了一个基于相关性、条件充分性、外生性和稳定性四个属性的实用评估框架。作为例证，研究结合阿灵顿的微出行数据与美国地缘政治风险指数，通过协整分析和二元VEC模型，将本地活动解释为地缘政治紧张潜在成分的高频信号。
本研究采用1965-2017年美国49个州的数据，构建了一个动态空间模型，以探究人口增长的驱动因素及其空间扩散。方法上，创新之处在于从数据中推断空间网络结构，而非预先设定邻接或距离关系，并结合了允许异质性斜率和交互固定效应的工具变量估计量。这一统一框架首次在空间计量经济学中，将内生回归变量、数据推断的网络结构以及普遍的跨州依赖性整合于单一模型中进行一致估计与推断。实证发现，人口增长呈现广泛但异质的条件收敛：约四分之三的州趋于收敛，而一小部分高增长州则轻微发散。核心驱动因素（如便利设施、劳动收入、迁移摩擦）的效应在不同网络设定下保持稳定，而生产率效应仅在数据推断的网络中显现。空间溢出效应显著，间接效应约占总影响的三分之一，且扩散范围超出相邻州界。
本文通过引入对局部效用函数的新条件，将期望效用理论下的经典比较结果推广至非期望效用模型。研究结果表明，这些条件不仅概括了特定偏好（包括期望效用）的现有结论，还能用于验证新环境和偏好下的单调比较静态性质。论文将理论应用于投资组合选择问题，分析了偏好或财富变化的影响，并探讨了预防性储蓄行为。
本文研究无薪酬动态委托代理模型中激励努力的最优机制。委托人掌握未来不确定奖励信息，通过动态信息披露激励代理人持续投入。研究提供了统一框架，推导出平稳与非平稳环境下的最优信息策略闭式解。研究发现两个关键条件使动态披露具有严格价值：1）当委托人比代理人更缺乏耐心时，偏好动态披露产生的前置努力计划；2）在代理人随时间自然变得悲观的环境中，动态信息可抵消消极趋势，延长努力时间。耐心程度始终是决定最优策略结构的关键因素。
本研究探讨了将随机化处理的实验数据与自我选择处理的观测数据相结合，对识别分布处理效应参数的增益。研究发现，虽然实验数据能识别平均处理效应，但许多分布效应参数（如个体处理效应的分布）仅能被部分识别。通过结合两类数据，并利用观测数据中的自我选择行为作为关键识别来源，研究为非参数锐界提供了理论支撑，并提出了可纳入额外结构约束的线性规划计算方法。实证分析以2008年美国总统选举中的负面竞选广告数据为例，验证了方法的实用性。