econ
04-15 00:00
本研究结合LMDI分解、随机前沿分析及变量重要性方法，分析了2006-2022年美国各州能源消费差异。研究发现，人均能源使用量下降12.8%主要源于能源强度改善。对数能源使用的跨州差异中，63%由需求前沿解释，34%源于前沿之上的无效率，仅3%为噪声。在需求前沿内部，能源价格解释了约26%的差异，州级效率政策解释了约13%，而GDP与气候因素合计仅占10%。效率政策还通过降低无效率产生额外6%的影响。结果表明，定价与监管是驱动跨州能源使用差异的主要因素。
能源消费随机前沿分析效率政策价格驱动跨州差异lmdi分解
econ
04-15 00:00
本研究将社会保障设计与一般均衡理论相结合，提出了一种设计最优平衡现收现付养老金系统的方法。该方法基于Dognini (2025)的反向计算算法，用于寻找具有异质性家庭、易储蓄倾向的非稳态代际交叠经济的最优货币均衡。该算法尤其适用于正在进行人口结构转型国家的养老金体系改革。在均衡价格下，由于家庭预算平衡（即瓦尔拉斯定律），这些最优平衡系统类似于著名的名义账户制。研究以巴西、中国、印度、意大利和美国1950年至2070年的人口和生产力动态为例，在一个简化框架中进行了说明。
社会保障设计现收现付制一般均衡理论代际交叠模型人口转型最优平衡
econ
04-15 00:00
本研究开发了一种分位数贝叶斯向量自回归（QBVAR）模型，用于预测实际油价在条件分布不同分位数上的表现。该模型允许预测变量的效应随分位数变化，捕捉了传统均值回归方法忽略的非对称性。基于1975年至2025年的月度数据，研究发现：QBVAR将中位数预测精度提升了2-5%；不确定性和金融状况变量对下行风险（左尾）的预测能力显著，危机期间预测改进达10-25%；而上行风险（右尾）预测仍具挑战性，需结合随机波动率模型。结果表明，对条件分布的建模能显著提升尾部风险评估能力，尤其在重大石油市场动荡时期。
油价预测分位数回归贝叶斯var尾部风险金融计量能源经济
econ
04-15 00:00
本研究利用1995-2023年年度数据，通过约翰森协整分析和动态最小二乘法，实证检验了汇率与通胀对土耳其出口的长期影响。结果显示，实际有效汇率上升（里拉升值）和通货膨胀均对出口产生负面影响，系数分别为-0.185和-0.125。而作为控制变量的外商直接投资和进口则对出口有显著正向影响，系数分别为0.117和0.849。这表明，维持汇率稳定和控制通胀是改善土耳其外贸表现的关键，同时鼓励外资流入和战略性管理进口的政策也至关重要。
汇率影响通货膨胀出口贸易协整分析土耳其经济外商直接投资
econ
04-15 00:00
本研究挑战了电池储能系统（BESS）多市场交易中预测精度（如MAE）决定收益的传统假设。基于2020-2025年德瑞两国真实市场数据的优化模型发现，价格预测的排序相关性（Kendall tau）是日内调度价值的主要预测指标。当tau值高于0.85-0.95的经验阈值时，可捕获近乎完美的前瞻性收益；而tau值接近零的持续性预测仅能捕获33%。此外，在备用市场约束下，调频容量收益是日内市场的6.5倍，表明容量分配而非预测精度是总收益的主要驱动力。瑞士市场的水文盈余异常与平衡市场收益显著相关（p=0.0005）。研究结论为BESS运营商重构了预测评估框架：核心问题并非MAE大小，而是预测是否达到“tau充分性”。
储能优化市场交易预测评估排序相关性电力市场收益驱动
econ
04-15 00:00
本文提出了一种基于约束条件最优运输（CCOT）的新框架，用于在工具变量（IV）假设下对广义罗伊模型中的政策相关处理效应（PRTE）进行部分识别。该方法将高维CCOT问题解析简化为可分离的一维最优运输问题，从而获得尖锐的闭式边界，避免了现有矩松弛方法可能丢弃识别信息的缺陷。研究还开发了相应的估计与推断程序：针对离散工具变量，采用基于Neyman正交得分的双重机器学习（DML）方法，在容纳高维协变量的同时实现参数化$\sqrt{n}$收敛速率和渐近正态性；针对连续工具变量，则明确刻画了相应的非参数收敛速率。模拟和蚊帐补贴应用表明，该方法得到的边界比现有方法显著更紧。
政策评估工具变量部分识别最优运输双重机器学习广义罗伊模型
econ
04-15 00:00
本文提出了一种动态网络框架，用于揭示高维向量自回归（VAR）类模型中的潜在社区路径。该方法将度校正随机协同块模型（ScBM）嵌入VAR系统的转移矩阵中，在节点层面分离发送和接收角色，并以可解释的低维形式总结复杂的定向依赖关系。通过整合有向谱协同聚类与特征向量平滑技术，能够追踪定向群体如何随时间分裂、合并或持续存在。该框架适用于描述周期性季节演化的周期VAR（PVAR）模型，以及描述有序依赖范围内结构转变的广义VHAR模型。研究建立了两种方法的非渐近误分类界，并通过蒙特卡洛实验提供了支持证据。
向量自回归动态网络谱聚类社区发现时间序列分析高维模型
econ
04-15 00:00
本文提出一种新的变量选择聚合方法，用于处理自助法与多重插补后变量选择结果不一致的问题。该方法将每次扰动迭代中的变量检测结果建模为伯努利试验，并通过似然比过程累积变量相关性的证据，该过程可近似解释为贝叶斯因子。该方法不仅提供了变量纳入标准，还包含一个停止规则，无需事先固定自助-插补迭代次数。蒙特卡洛模拟涵盖126种场景，实证研究表明该方法在控制模型稀疏性和选择准确性方面优于现有的聚合方法（如并集规则）。
变量选择贝叶斯因子自助法多重插补后双重选择模型聚合
econ
04-15 00:00
本文提出在目标试验模拟框架中，通过模拟阶梯楔形整群随机试验来评估健康与社会政策。该方法整合了随机试验的严谨设计与准实验设计的灵活性，强调清晰定义估计目标、考虑政策异质性与时变效应，并系统报告关键假设。它有助于识别单一方法难以处理的场景，避免产生低质量因果证据的研究，同时促进两个领域在处理效应异质性、统计功效、溢出效应等问题上的经验交叉融合。
政策评估因果推断试验模拟阶梯楔形设计准实验健康经济
econ
04-15 00:00
本文提出了首个用于纵向数据的因果扩散模型（CDM），旨在生成序列干预下反事实结果的完整概率分布。该方法采用创新的残差去噪架构与关系自注意力机制，无需依赖逆概率加权等显式去混杂调整，即可捕捉复杂的时间依赖性与多模态结果轨迹。在药代动力学-药效学肿瘤生长模拟器上的评估显示，CDM在分布准确性（1-Wasserstein距离）上相对现有方法提升了15-30%，同时在高混杂场景下保持了具有竞争力的点估计精度（RMSE）。
因果推断扩散模型纵向数据反事实预测不确定性量化序列决策
econ
04-15 00:00
本文为调查实验的可推广性建立了基于行为微观基础的形式理论。研究指出，调查环境通过两种机制影响结果：一是塑造注意力，决定哪些因素进入受访者的主动考虑集；二是塑造显著性，影响各因素在决策中的相对权重。该框架得出两个主要结论：考虑集压缩会导致放大效应，使实验效应在幅度上大于现实世界；情境依赖的显著性则可能导致符号不稳定，即实验效应的方向与现实效应不一致。理论阐明了调查实验识别的内容、效应可能推广的条件，以及如何改进设计以提高决策环境的可迁移性。
调查实验可推广性行为微观基础注意力显著性因果推断
econ
04-15 00:00
本文提出一个两阶段实证框架，用于分析巴西货币政策委员会（Copom）相关事件如何驱动巴西DI利率曲线的重新定价。该框架将市场对初始冲击的反应，与冲击发生后至Copom首次声明发布期间的后续重新定价分离开来。研究结合了手工构建的事件日历、市场数据、预期调查以及从Copom声明中提取的结构化文本特征（如基调、前瞻指引方向与明确性、不确定性指标）。结果表明，该框架对收益率曲线前端和中期（尤其是252天期DI）的解释力较强，基准OLS模型的样本内R²约为0.43。研究的主要贡献在于方法论与应用层面，为评估冲击与政策沟通如何共同塑造巴西收益率曲线动态提供了一个可操作的事件分解工具。
收益率曲线货币政策沟通事件研究巴西经济文本分析
econ
04-15 00:00
针对儿童安置、医疗急救等需即时匹配的动态市场，研究者提出“序贯均衡机制”（SEM）。该算法通过模拟大规模市场均衡价格，为动态到达的参与者（如受虐儿童、危重病人）即时匹配资源（如寄养家庭、病房）。理论证明SEM具有渐近有效性、公平性，且几乎必然满足策略证明性。实地实验与模拟显示，该机制能显著提升社会福利。
在线匹配市场设计算法机制资源分配动态优化
econ
04-15 00:00
本文提出了Gondauri指数（GI），一个诊断优先、可复现的综合框架，用于在统一的0-100分制上评估异质经济体的宏观金融韧性。该指数解决了传统监测仪表板的一个关键局限：韧性是多维且仅部分可替代的，单一领域的优势无法持续抵消其他领域的脆弱性。GI整合了三个可解释的支柱：不平等韧性得分（IRS）、流动性与系统性韧性（LNSR）以及通胀预测一致性（IFC）。通过稳健的百分位数归一化（p5-p95）、一致的年度国家-年份设计以及通过组件级权重重新归一化处理缺失数据，确保了跨国可比性。实证部分提供了2024年基准快照和2005-2024年的动态证据，并进行了前瞻性情景路径分析。
宏观金融韧性综合指数诊断框架跨国比较情景分析政策评估
econ
04-15 00:00
本文针对重复横截面数据中常见的序数变量分布比较问题，提出了一种在信息有限（仅观测到边际分布且存在大量缺失数据）下测量和解释分布变化的方法。作者证明了累积分布函数之间的 $L_1$ 距离具有最优运输表示，可解释为跨有序类别的最小概率质量再分配，由此得到一个差异标量度量（最小流动性配置）。为处理缺失数据，采用部分识别方法构建边际分布的尖锐界限，从而为差异度量及其最小流动性配置导出识别集，使推断对无应答具有稳健性。
序数数据分布变化部分识别最优运输缺失数据稳健推断
econ
04-15 00:00
本文针对经济学中广泛使用的双重差分法（DiD）所依赖的“条件平行趋势”假设，提出了一个通用的因果图推理工具——Δ-SWIGs。该工具扩展了单世界干预图（SWIGs），允许研究者通过d-分离规则，从图中直接读取蕴含条件平行趋势的独立性条件。研究应用Δ-SWIGs分析了包含多时期和时变协变量的复杂DiD设定，证明当存在时变协变量时，识别因果效应需要控制后处理变量。同时指出，即使控制了这些变量，仅凭处理前的平行趋势也无法完全保证处理后的无偏估计，揭示了纯粹经验性检验的局限性。
双重差分法因果推断平行趋势因果图时变协变量识别策略
econ
04-15 00:00
本文研究了一个包含固定总体系数、观测特定潜在系数和测量误差的线性统计模型。决策者首先估计总体系数，再利用这些估计值预测新观测的潜在系数。核心贡献在于系统分析了部分总体系数的误设如何扭曲最终的预测结果，并探讨了其比较静态性质，重点关注两个关键因素：1）在剔除自由系数影响后，与误设系数相关的回归变量中剩余的“残差信息”；2）误设向量与潜在系数映射之间的“对齐程度”。研究在员工评级（存在无意识偏见）和LLM介导的消费者研究等场景中具有应用价值。
模型误设预测偏差线性模型系数估计比较静态计量经济学
econ
04-15 00:00
面对出行行为预测中传统计量模型、数理心理学模型与机器学习模型的选择难题，本文提出一种模型平均方法，以提升模型在分布外（OOD）场景下的预测性能。该方法根据预测行程与估计数据在特征（如距离）上的差异，动态分配不同模型家族的权重。研究表明，在估计数据覆盖的距离区间内，数据驱动模型表现优异；而超出该范围时，行为或计量基础更强的模型将获得更高权重。在两个案例中，该方法不仅在估计和测试数据上表现更优，更重要的是显著提升了在分布外行程距离上的模式选择预测准确性。
模型平均分布外预测出行行为机器学习计量经济学行为模型
econ
04-15 00:00
本文指出，在有限理性模型的实验应用中，用“层级”分布来概括行为，混淆了两个概念维度：玩家的类型（关于对手可能类型的信念）和关于理性的高阶推理深度。这种混淆影响了对实验证据的解释，也模糊了跨环境差异应归因于信念变化还是认知深度变化。作者通过将静态完全信息博弈“提升”为不完全信息版本，建立了一个统一框架。在该框架中，对对手类型的有限推理由透明的一阶信念限制表示，而（高阶）推理深度则由对理性信念的界限来捕捉。文章分析了三个基准实例：向下理性化、稳健基线，以及两个精炼——$\mathsf{L}$-理性化和$\mathsf{C}$-理性化，它们分别为经典的$k$层级模型和认知层级模型提供了认识论基础（包含重要细微差别），并阐明了“$k$层级”行为在多大程度上能揭示潜在的推理过程。
有限理性博弈论认知层级信念类型推理深度实验经济学
econ
04-15 00:00
本文提出了一种基于潜类别选择模型（LCCM）的实用框架，用于实证研究态度与行为之间的关系。与将态度构念嵌入结构模型的混合选择模型不同，该方法通过后验推断来恢复特定类别的态度特征。这种方法使分析者能够探索态度与行为之间的关联，同时避免了集成估计中常见的复杂性和收敛问题。通过两个案例研究（员工居家办公偏好和公众对新冠疫苗的接受度）表明，后验推断方法能以最小的额外复杂性提供行为上丰富的见解，而基于因子的模型可能会丢弃关键的态度信息，全信息混合模型在解释力上增益有限且估计负担显著增加。
选择模型后验推断态度行为关系潜类别模型实证研究