econ
04-02 00:00
本文构建了一个动态模型，研究生成式AI如何通过两个渠道削弱公共知识库的积累：1) 流量边际：AI在问题公开前私下解决，减少了平台上知识增强型问题的发布量；2) 解决边际：AI提高了贡献者的外部选择，导致贡献者池萎缩和平台拥堵，降低了已发布问题的解决概率。这两个渠道通过自我削弱的反馈循环相互作用，可能形成低知识库陷阱。分析指出，鼓励公开分享AI辅助的解决方案可以抵消私人转移带来的下降，但无法修复由参与度下降导致的条件解决率恶化，后者需要直接维持贡献者的参与。
生成式ai公共知识库动态模型知识创造数字公共品平台拥堵
econ
04-02 00:00
本研究利用2023年美国可再生能源生产税收抵免（PTC）和投资税收抵免（ITC）政策的地理差异，评估了绿色补贴的经济效应与政治影响。实证发现，获得更多税收抵免的社区，其可再生能源资本积累增加了32%，可再生能源产量提升了28%。这些投资产生了显著的地方经济溢出效应，使县级建筑行业工资增长了7%。然而，本地投资与工资的增长并未转化为对可再生能源的政治支持，反而使反对国会气候行动的民意增加了2%。
绿色补贴可再生能源税收抵免地方经济政治经济学溢出效应
econ
04-02 00:00
本文提出“社会保证合约”机制，以解决组织和社会中因恐惧社会谴责而产生的“多元无知”困境。该机制类似于一份只有在达到预设签名阈值时才会公开的联名信，若未达到则无人暴露。通过构建形式化模型，作者推导出阈值选择规则。该机制能（i）吸引那些在确保有同伴时才愿意发声的人参与，解决核心协调问题；（ii）使阈值成为透明的政策杠杆，主办方可最大化成功率、最大化公开联盟的揭示或达到期望的成功概率；（iii）将成功转化为信息：达到阈值公开揭示了隐藏的共识，并能拓宽公共表达观点的范围。文章还探讨了其对不信任、有组织反对和网络结构的稳健性，并概述了如加密托管等低信任度实施方案。应用场景包括员工发声、安全合规、举报和公民表达。
社会保证合约多元无知共识揭示机制设计组织行为公共表达
econ
04-02 00:00
本研究提出人力资本三要素分解理论：体力-操作型、常规认知型与可增强认知型，并构建了AI资本与之非对称互动的生产函数。通过基于LLM对18,796项职业任务的分析，结合哥伦比亚10.5万劳动者微观数据，估计修正后的明瑟工资方程。研究发现：正规部门中，AI采纳显著提升可增强认知型人力资本的工资回报（β=+0.051），而非正规劳动者无法获得增强溢价（β=-0.044）。三重交互项证实正规就业是发挥人机互补的关键机制（β=+0.272）。增强溢价在46-65岁劳动者及医疗教育领域最显著，表明全球南方人机互补的主要约束并非技术接入，而是劳动力市场制度。
人力资本分解ai增强经济工资方程劳动力市场制度认知互补性发展经济学
econ
04-02 00:00
本研究扩展了Acemoglu-Restrepo任务暴露框架，以评估智能体人工智能（Agentic AI）对劳动力市场的影响。与替代单一子任务的传统自动化技术不同，智能体AI能够执行涉及多步推理、工具调用和自主决策的端到端工作流，从而显著扩大了职业替代风险。我们引入了智能体任务暴露（ATE）评分，该评分基于O*NET任务数据、AI能力评分、工作流覆盖因子和逻辑采用速度计算得出。应用该框架对美国五大科技区域（2025-2030年）的分析显示，在信息密集型职业组中，93.2%的职业在2030年将达到中等风险阈值（ATE ≥ 0.35），其中信用分析师、法官和可持续发展专家的ATE评分高达0.43-0.47。同时，研究也识别出17个受益于“再创造效应”的新兴职业类别，主要集中在人机协作、AI治理和特定领域AI运营等领域。
人工智能劳动力市场职业替代任务暴露分析经济影响区域经济
econ
04-02 00:00
本文针对社会调查和田野实验中普遍存在的样本流失问题，提出了一种结合保形推断与缺失数据处理工具的新方法。该方法能够为处理效应生成既稳健又精确的预测区间。模拟研究表明，相较于传统的完整案例分析、多重插补和加权方法，新方法在保证覆盖率的同时，能产生更窄的区间。通过对两项已发表实验的再分析，该方法使研究者能够比较留在研究中的参与者、中途退出者以及全样本的处理效应差异，为存在样本流失时的因果推断提供了更可靠的基础。
因果推断样本流失保形推断处理效应预测区间实验研究
econ
04-02 00:00
本文针对因果推断与机器学习中线性平滑估计器（如OLS、核岭回归）权重可为负值，导致对参数模型假设依赖性强、方差高的问题，提出统一框架。该框架通过直接惩罚外推程度，用软约束替代硬性非负权重限制，并引入一个权衡特征不平衡、模型误设和估计器方差的“偏差-偏差-方差”新权衡。研究推导了最坏情况外推误差界，开发了优化程序，并展示了该方法在合成实验和真实世界随机对照试验结果泛化应用中的有效性。
因果推断正则化外推误差模型泛化敏感性分析
econ
04-02 00:00
本文构建了一个动态模型，研究当问题难度未知时，决策者如何分配有限的努力预算来解决问题。代理人通过提出质量未知的方案，并在探索新方案（扩大方案集）与利用现有方案（深化已有方案）之间进行权衡。成功取决于将努力投入到好方案上，其速率由未知的问题难度决定。失败可能源于方案不佳或问题本身困难，这种不确定性导致了新颖的动态：最优搜索策略会在尝试新方案和重新审视先前放弃的方案之间交替。模型还探讨了委托-代理环境下的激励问题，发现动态承诺会导致合同将激励前置，而学习过程可以抵消这种效应。该框架适用于科学发现、产品开发等创新活动。
问题解决探索与利用动态模型创新策略委托代理组织设计
econ
04-02 00:00
本文研究在二维筛选模型中的最优合同设计，其中一维（群体身份）可被代理人验证但不可伪造。委托人向具有不同成本类型和群体身份的代理人提供合同，并因雇佣受保护群体成员而获得税收优惠（如美国工作机会税收抵免政策）。研究发现，当受保护群体倾向于拥有更高的成本类型时，最优合同会实现两个维度的完全分离：代理人通过合同选择揭示其成本类型和群体身份。此时，委托人愿意以比非受保护群体更高的成本阈值雇佣受保护群体成员，且该阈值随税收抵免增加而提高。反之，若受保护群体成本类型更低，无税收优惠时的最优设计会按成本类型分离，但在群体间进行混同。这表明，平权行动与非歧视政策的最优性取决于群体间成本分布的排序。
合同设计平权行动税收抵免筛选模型信息不对称劳动力市场
econ
04-02 00:00
本文研究了经济主体间资源配置持续分散化的经济作用。作者构建了一个可处理的模型，其中企业在不完全信息和行为更新的条件下分配资源，导致信念和行动的持续异质性。虽然分散化会引发静态错配，但它也促进了分散化实验，使经济能够探索更广泛的生产机会。研究表明，经济会收敛到一个具有严格正分散度的稳态均衡，并且在合理条件下，这种非均衡状态可能优于完全协调的基准。该模型为观察到的生产率和回报分散现象提供了新的解释，将其视为低效率和生产性探索的共同反映。
资源配置分散化实验非均衡信念异质性经济增长创新动态
econ
04-02 00:00
传统计量分析将观测值视为向量，忽略了经验数据固有的复杂结构。本研究针对沿两个分类维度组织的数据，提出了一种新颖的矩阵协整误差修正模型。该模型不仅保留了传统协整分析的解释基础，其系数能明确捕捉向稳态位置调整的动态过程，而且其误差修正框架允许等价的矩阵自回归表示，从而在两种设定下都保持了数据的基本结构。这确保了矩阵表示反映了数据的内在特性。
矩阵自回归协整分析误差修正模型计量经济学数据结构
econ
04-02 00:00
本文通过引入受阿特金森不平等指数启发的广义均值距离函数，将生产经济学中大量已知的效率测度统一解释为基于Stone-Geary效用概念的效用函数。研究建立了这些效用函数与生产理论常用工具——距离函数之间的多种关系，并证明了对偶定理，将新距离函数与利润函数联系起来。该框架将文献中先前建立的大多数对偶对应关系作为特例包含在内，并且对于一大类测度，无需凸性假设即可获得对偶结果。
生产经济学距离函数对偶理论效率测度广义均值效用函数
econ
04-02 00:00
针对广告增量测量中随机对照试验（RCT）难以规模化的问题，研究者提出PIE方法。该方法将广告测量重构为广告系列层面的预测问题：首先利用少量RCT样本学习从广告特征到因果效应的映射，然后将该模型应用于未进行RCT的广告系列。PIE的关键创新在于能够纳入事后确定的特征（如测试组结果、曝光率、最后点击转化等），这些特征虽不能作为因果模型的控制变量，但能反映消费者行为并携带增量效果的预测信息。基于2226个Meta广告实验，PIE对每美元增量转化的样本外预测$R^2$达到0.88，远高于行业标准7日最后点击归因的0.19。在决策框架中，PIE与基于RCT的决策不一致的比例仅为8-12%。
广告测量因果推断机器学习增量效果随机对照试验预测模型
econ
04-02 00:00
本文构建了一个预测者模型，其需要预测一个受外生状态和政策制定者干预影响的变量。研究发现，政策制定环境对预测者获取高成本私人信息的激励至关重要。关键参数包括预期政策干预强度、政策制定者私人信息的精确度以及公共信息的精确度。在应用场景中常见的情况下，预测者可能最优地选择获取极少或不获取私人信息，而完全基于预测时已知的公共信息进行预测。此外，更强的政策干预和更精确的政策制定者信息会“挤出”预测者的信息获取。
信息获取政策干预预测激励信息挤出经济预测