econ
04-10 00:00
本文针对工具变量分析中的核心假设——排除性与外生性——开发了新的敏感性分析方法。该方法允许处理效应存在任意异质性，且不要求一阶段满足单调性假设。研究推导了在广泛非参数放松假设下，潜在结果边际分布及其函数（如平均处理效应）的识别集，这些识别集被表征为线性规划的解并具有良好的理论性质。作者还解释了如何使用计算上可行的方法来估计这些解，即使线性规划是无限维的。最后，以电影观看中的同伴效应为例，使用天气作为潜在的不完美工具变量进行了实证应用。
工具变量敏感性分析排除性假设外生性假设非参数识别线性规划
econ
04-10 00:00
本文研究了具有内生非线性特征的结构向量自回归（SVAR）模型的识别问题。作者证明，在较弱的正则条件下，此类模型的参数和结构冲击（在非参数意义上）可识别至一个正交变换，这与线性SVAR的情形完全相同。这一重要结论意味着，大多数现有的线性SVAR识别方案可直接推广至非线性设定，且实现精确识别所需的约束数量保持不变。研究特别聚焦于分段仿射SVAR及其平滑转换形式，并以非线性菲利普斯曲线为例进行应用，提供了对非线性存在的稳健检验，并发现了状态依赖型通胀动态的显著证据。
结构向量自回归非线性识别内生非线性状态依赖菲利普斯曲线计量经济学
econ
04-10 00:00
本研究利用2024年对欧洲7400多名远程工作者的大规模调查数据，分析了远程工作引发的居住迁移对欧盟区域发展的影响。研究发现：67%的迁移发生在同等级别的城市之间，流向农村地区的比例仅为2%；搬迁决策主要受生活质量（78%）和经济住房因素（70%）驱动；城乡远程工作者的生活便利性偏好高度趋同；远程工作强度是搬迁概率的稳定正向预测因子，从50%远程转为完全远程可使搬迁可能性增加6.5个百分点。总体而言，远程工作主要强化了大都市系统和城郊区域，而非引发大规模向边缘地区的再分配。
远程工作区域发展居住迁移欧盟经济劳动力市场
econ
04-10 00:00
本研究提出了一个几何框架，将原型聚类中的目标函数精度与底层结构恢复联系起来。该分析独立于具体算法，适用于一大类可接受的损失函数。研究者定义了一个聚类条件数，它比较了簇内尺度与将一个点移过簇边界所需的最小损失增量。当该条件数较小时，任何具有较小次优性间隙的解，其相对于基准划分的误分类误差也必然很小。该框架还阐明了鲁棒性与对簇不平衡敏感性之间的基本权衡，并揭示了不同目标函数下精确恢复的尖锐相变。这些保证是确定性的、非渐近的，并将算法精度与实例固有的几何难度分离开来。
原型聚类条件数几何框架结构恢复非渐近分析损失函数
econ
04-10 00:00
本研究探讨了劳动力市场过度依赖推荐机制的影响。模型分析表明，推荐虽能提升匹配质量和生产率，但也因“同质性”偏好而加剧不平等与职业流动性下降。研究指出，更均衡地分配推荐机会可减少不平等、提升未来生产率与流动性，并评估了平权行动与算法公平等政策的短期与长期福利效应。
劳动力市场社会网络不平等匹配效率政策评估职业流动性
econ
04-10 00:00
本研究利用Stack Overflow上数千万条问答数据，构建了精细化的软件技能分类体系与技能空间图谱。分析发现，现实中的软件工作要求高度一致的技能组合，程序员的学习遵循“相关多元化”路径，但此过程常导致其习得低价值技能。然而，使用Python的程序员更倾向于瞄准并获取高价值技能，这为Python崛起为通用主导语言提供了潜在解释。研究通过数字痕迹为理解人力资本在数字化经济中的演变提供了新视角。
数字足迹软件技能人力资本技能空间python相关多元化
econ
04-10 00:00
本文针对由两区制分段仿射SVAR（CKSVAR）生成的数据，提出了一种改进的Breitung多元方差比检验方法，用于推断共同随机趋势的数量。该方法对已知形式的非线性协整关系具有稳健性。通过证明一类稳定但非平稳自回归过程的LLN型结果，并利用新颖的对偶线性过程近似，推导了检验统计量的渐近性质。研究表明，改进后的检验能正确推断系统中的共同趋势数量，而未经修改的检验在协整关系非线性时倾向于高估趋势数量。
非线性协整共同趋势svar模型稳健推断时间序列
econ
04-10 00:00
客户需求识别是产品创新与营销战略的基础，但传统方法依赖分析师人工解读定性数据，耗时且难以规模化。本研究通过一系列市场研究实验评估了大语言模型自动化客户需求抽象的能力。结果表明，经过监督微调的大语言模型在识别和精准表述客户需求方面，表现至少与专业分析师相当，并显著优于基础模型。该能力可泛化至不同模型，且所需模型规模相对较小。模型提炼的需求表述清晰、具体，能有效指导创新，且忠实于原始数据，无幻觉生成。这标志着客户之声分析方法的范式转变，使大规模挖掘高价值洞察成为可能，并将分析师从繁琐任务中解放出来，专注于更高附加值的工作。
客户需求识别大语言模型监督微调市场研究自动化分析产品创新
econ
04-10 00:00
本研究探索了量子储层计算在金融计量经济学中的应用，特别是用于预测已实现波动率。模型采用全连接横向场伊辛哈密顿量作为储层，并区分输入与记忆量子比特以捕捉时间依赖性。通过与多种计量经济学模型和标准机器学习算法进行基准测试，并使用多种误差度量及模型置信集程序进行评估，结果表明，所提出的量子储层方法在各项指标上均持续优于基准模型。研究还通过基于包装器的前向选择进行特征选择，并利用沙普利值量化特征重要性，以增强模型可解释性并缓解当前量子硬件的限制。
量子计算储层计算波动率预测金融计量机器学习特征选择
econ
04-10 00:00
本文在包含时变协变量、滞后局部网络统计量与固定效应的动态二元网络形成模型中，建立了集合识别结果。该框架在一个统一的动态指数模型内，同时容纳了协变量同质性、共同好友带来的传递性、二阶或间接好友效应等更一般的局部子图统计量。分析结合了两种互补的处理固定效应的方法：通过将每个二元组视为短面板来积分掉时不变异质性的不等式方法，以及通过每个二元组内跨期变化代数差分掉固定效应的符号子图比较法。研究表明，在序列独立且分布已知的误差假设下，或当二元固定效应可加为个体固定效应时，半参数识别约束可被强化。在i.i.d.对数逻辑冲击下结合两者，可获得精确的条件逻辑表示，并为点识别提供充分条件。
网络形成模型固定效应动态模型识别分析半参数估计社会网络
econ
04-10 00:00
本文研究配额机制（如强制评分曲线）在有限决策数量和设计者对类型分布认知不完美情况下的性能。通过引入新的最优运输方法，作者推导出配额机制的事后决策误差保证，并证明该保证在无转移支付机制中不可改进。研究量化了配额机制对类型分布估计误差的敏感性，并表明配额机制对代理人相互信念的多种情况具有鲁棒性。
配额机制最优运输决策误差鲁棒性机制设计有限样本
econ
04-10 00:00
本研究通过构建一个受约束的信息设计模型，分析了协调一致的虚假信息活动对选举的影响。研究发现，信息发送者会部署无实质内容的虚假信息，以模仿选民接收到的外部真实信号。他们向反对者发送有利信息，同时向支持者发送不利信息以稀释负面信息。选民独立信号越精确，发送者操纵选举结果的能力越强，但政治极化会削弱这种能力。当信息发送成本较高时，发送者可能停止针对边缘反对者，并降低向支持者发送信息的极端程度。
虚假信息选举干预信息设计政治极化战略传播