econ
03-02 00:00
本研究构建了一个耦合地球-人类-生产系统的随机动力学框架，将可持续性定义为系统的边界结构性质。系统通过带乘性噪声的随机微分方程建模，子系统间存在绝对双向流动。生物多样性内生化，社会评价由权重随人类能力演化的自反泛函表示。可持续性对应于边界以正概率不被触及，发展对应于评价泛函的局部上升，可持续发展则要求方向一致且生存概率严格为正。核心发现是：每个子系统上的净绝对流动符号是相变参数——若在零点附近为负，则边界为出口型，几乎必然的持久性在结构上不可能实现，与内在再生、能力积累或生产力参数无关。可持续性由此呈现为边界结构与向量场对齐的几何性质，而非跨期最优化的推论。
可持续性随机动力学系统耦合边界分类相变自反评价
econ
03-02 00:00
研究通过构建结构向量自回归模型，分析了加州克恩县就业与全球原油市场的动态关系。尽管化石燃料直接就业占比不足2%，但原油市场波动解释了该地区11%的就业增长变化。研究发现，若剔除全球石油市场影响，克恩县当前就业水平将降低6.4%。研究利用投入产出网络理论框架解释了这一放大效应，为制定针对石油依赖地区的转型政策提供了依据。
能源转型就业影响投入产出关联区域经济结构向量自回归
econ
03-02 00:00
本文针对成对时间序列系统中确定性趋势斜率的比率，开发了统计推断方法。研究重点在于检验不同趋势序列对之间的趋势比率是否相等。当趋势斜率相对于趋势周围的变异较小时，比率估计量的有限样本性质可能较差，因此作者将等比率检验重新表述为趋势斜率的乘积形式，从而减少了小趋势斜率对推断的影响。该方法可用于通过比较模型生成与观测到的温度序列的趋势比率（放大比率），对气候模型进行实证评估。研究提供了渐近理论以生成临界值，并通过模拟评估了等趋势比率检验的有限样本性能，为实证研究者提供了实用建议。
时间序列分析趋势比率检验统计推断气候模型评估计量经济学
econ
03-02 00:00
本文研究了在无总体不确定性的冯·诺依曼-摩根斯坦纯交换经济中，引入一个具有等级依赖效用（RDU）的代理人（其概率加权函数代表了财富边际效用无法捕捉的“概率风险厌恶”）所带来的影响。经典理论预测，帕累托最优配置应是完全保险（无赌博）配置。然而，本文证明，RDU代理人的概率加权函数能够导致帕累托最优配置出现内生赌博，即使所有代理人拥有共同的基线信念。这种最优状态下的内生赌博意味着，不确定性交易纯粹源于风险感知的异质性，而非信念差异。研究结果为“概率权重可作为信念异质性的内生来源”这一直观理解提供了形式化证明，并为在无初始总体不确定性的环境中，共同信念与投机行为何以共存提供了新的行为基础。将RDU的非线性加权函数解释为一种“内部性”引发了社会规划者是否应干预的问题。研究表明，仁慈的社会规划者可以通过提供有成本的统计或金融教育，引导RDU代理人行为更接近vNM代理人，从而（部分）恢复完全保险配置的最优性。
行为经济学等级依赖效用概率加权帕累托最优内生不确定性投机行为
econ
03-02 00:00
本研究提出了一个用于策略学习的通用贝叶斯框架。在决策问题中，决策者从行动集中选择行动以最大化期望福利，例如治疗选择或投资组合选择。其核心贡献在于通过基于损失的贝叶斯更新来表述此问题，并引入一个平方损失代理函数用于福利最大化。研究表明，在策略类上最大化经验福利等价于最小化结果差异的缩放平方误差，并附加一个由调谐参数 $\zeta>0$ 控制的二次正则化项。这产生了一个允许高斯伪似然解释的决策规则通用贝叶斯后验。研究还阐明了所得广义后验的两种贝叶斯解释：工作高斯视角和基于决策理论的损失视角。作为实现示例，引入了具有tanh压缩输出的神经网络，并提供了PAC-Bayes风格的理论保证。
贝叶斯决策策略学习福利最大化通用贝叶斯正则化pac-bayes理论
econ
03-02 00:00
本文提出gIVBMA，一种贝叶斯模型平均方法，用于处理因果推断中工具变量的选择难题。该方法通过在结构方程模型中，对不同工具变量集和协变量集进行平均，实现数据驱动的有效工具选择，并对无效工具变量提供额外稳健性。其创新点包括尺度不变先验结构、支持非高斯分布的结果与处理变量，以及基于条件贝叶斯因子的高效计算策略。理论证明该模型选择具有一致性，模拟实验显示其性能优于现有方法，并在疟疾/制度对人均收入影响、教育回报率等实证研究中得到应用。
因果推断工具变量贝叶斯模型平均结构方程模型稳健估计
econ
03-02 00:00
本文提出一个统一的理论框架，将同群聚合器（将同伴行为映射为标量暴露的社会规范）作为核心行为原语。通过构建规范博弈模型，证明了广泛聚合器类别下均衡的存在性与唯一性。研究将常用暴露映射（如线性均值、CES规范等）纳入小型分类体系，并证明每个聚合器都会诱导一个控制外生变异在网络中传播的算子。对于非线性规范，该算子具有状态和偏好依赖性，其特性由暴露映射在某个外生预测变量处的雅可比矩阵刻画。这一视角催生了利用边际影响异质性和非冗余路径的几何诱导工具变量，即使在一步矩或邻接矩阵幂工具变量失效时仍能提供信息。蒙特卡洛模拟和NetHealth应用展示了该框架在不同聚合器和结果下的实践意义。
同群效应社会网络规范博弈工具变量传播几何非线性聚合
econ
03-02 00:00
本研究提出了一个结合中介分析的差分法框架，适用于多值离散或连续的处理变量与中介变量。该框架旨在识别处理变量对结果变量的直接效应（即不通过中介变量传导的部分）、通过中介变量的间接效应，以及处理变量与中介变量的联合效应。识别依赖于对不同处理与中介状态下潜在结果均值的条件平行趋势假设。研究在双重/去偏机器学习框架内，为重复横截面与面板数据提出了平均处理效应估计量，允许对协变量进行数据驱动的控制，并在标准正则条件下证明了其渐近正态性。通过模拟研究验证了方法的有限样本性能，并应用于美国国家青年纵向调查，估计了医疗保险覆盖对总体健康的直接效应以及通过定期体检传导的间接效应。
中介分析差分法双重机器学习因果推断处理效应健康经济学
econ
03-02 00:00
在线性均值模型中，内生性因“反射问题”而自然产生。常用解决方案是使用基于高阶网络链接（如朋友的朋友的特征）的工具变量。本文首先证明，在许多应用场景中，此类工具变量效果不佳：在极稀疏或极稠密的网络中，朋友的朋友可能与原始链接高度相似，导致工具变量可能较弱或其第一阶段估计量未定义。针对一类随机图，我们运用随机图理论，刻画了此类工具变量有效与无效的机制。我们证明了如何将弱工具变量稳健推断方法适配到此环境，以及如何通过扩展网络来改善。通过大量蒙特卡洛模拟和重新审视实证应用，我们展示了此类问题在实证研究中的普遍性，以及我们的结果如何恢复有效推断。
工具变量网络模型内生性随机图稳健推断线性均值模型
econ
03-02 00:00
本文提出了一种无需依赖传统工具变量（IV）假设（如独立性、排他性、单调性）即可定义、识别和估计边际处理效应（MTE）的新方法。该方法基于一个与协变量统计独立的简化形式处理误差来重新定义MTE，并证明即使在缺乏IV的情况下，MTE与标准处理参数之间的关系依然成立。研究提供了一套在存在本质异质性环境中识别MTE的充分条件，包括对潜在结果回归函数的线性约束、对倾向得分的非线性约束，以及一个能导致可加可分性的条件均值独立性约束。识别论证基于函数形式的半参数识别概念。论文以“启蒙计划”为例进行了实证应用，展示了在难以找到有效工具变量时，该方法在分析异质性因果效应方面的实用性。
边际处理效应因果推断工具变量异质性半参数识别启蒙计划
econ
03-02 00:00
本文研究了现代因果框架下的非参数局部（过度）识别与半参数效率问题。作者提出了一种统一方法，将含有潜变量的结构模型转化为可观测变量的统计模型，并通过条件矩约束分析局部过度识别。该方法应用于三类主流因果模型：无混杂下的广义处理模型、负控制模型以及存在未观测混杂的长期因果推断模型。研究发现，第一类模型是局部恰好识别的，所有正则渐近线性估计量具有相同的渐近方差。而后两类模型存在非参数内生性，本质上是局部过度识别的，导致一些双重稳健正交矩估计量是低效的。与现有研究通常施加强条件以恢复局部恰好识别不同，本文刻画了过度识别模型的半参数有效方差下界，并给出了有效估计量。实证与模拟研究展示了模型（3）中的效率提升。
因果推断半参数效率局部识别双重稳健估计负控制未观测混杂
econ
03-02 00:00
本文研究决策者在拥有私人信号的情况下，如何从数据经纪商处购买补充信息。作者刻画了经纪商的最优销售机制，该机制涉及对所有可能信号进行筛选，并允许所售信号与决策者已有信号任意相关。在二元行动设定中，经纪商通过为每种类型提供不同的二元信号，能够提取全部有效剩余，且该结果在经纪商不知道状态先验分布时依然成立。文章还讨论了更一般环境下有效剩余提取的条件及不可能情形。
信息销售机制设计信号筛选数据经纪信息经济学