econ
04-22 00:00
基于2024年欧洲工作条件调查（覆盖35国超3.66万名员工）的研究显示，生成式AI在欧洲工作场所的采用率平均为12%，但各国差异显著（3%至25%）。研究发现，职业暴露程度虽能预测采用，但AI并非被动扩散：个人技能、职业内的非例行认知工作内容、员工在组织决策中的话语权，以及国家层面的数字化程度与职场培训供给，均显著提升了暴露与采用之间的关联梯度。性别差距在暴露度最高的职业中持续存在。早期采用尚未对员工报告的技术相关任务重组产生可检测的影响，表明当前可能处于AI适应而非主动重塑工作流程的过渡阶段。
生成式ai工作场所技术扩散技能差距欧洲经济劳动力市场
econ
04-22 00:00
本研究评估了澳大利亚政府在2020年COVID-19疫情期间推出的两项学徒工资补贴计划（BAC和CAC）的效果。采用计量经济学模型与利益相关者访谈相结合的混合方法，研究发现：计划使学徒启动率大幅提升70%，但未能提高保留率，且取消率有小幅上升，表明最终完成率可能低于以往同期。非贸易类学徒的取消率在BAC期间上升了7%，而贸易类则微降0.7%。分析指出，非贸易领域的效果可能被部分雇主的“投机行为”所驱动——他们将现有员工转为学徒以获取补贴，却无意在补贴期结束后保留这些学徒身份。
工资补贴学徒制政策评估covid-19劳动力市场混合方法
econ
04-22 00:00
本研究利用稀疏自编码器（SAEs）探究了大语言模型（LLMs）中利他行为的内部计算机制。通过在标准的独裁者博弈中设计仅社会立场（慷慨 vs 自私）不同的最小对比提示，研究者诱导出显著且具有经济意义的行为差异。基于此，他们识别出一组与行为转变强相关的SAE特征（仅占模型所有特征的0.024%）。借鉴双加工理论，这些特征被分类为启发式（系统1）或审慎式（系统2）。因果干预实验（如激活修补和特征方向连续引导）验证了其功能：引导该特征方向能可靠地改变分配结果，且系统2特征对最终输出的影响比系统1特征更直接。该引导方向在多种社会偏好博弈中具有泛化性。这些发现将利他行为转化为可识别的网络状态，为理解人工认知及将LLM行为与人类价值观对齐提供了框架。
大语言模型利他行为稀疏自编码器双加工理论行为经济学模型对齐
econ
04-22 00:00
本研究挑战了“零和决策规则（如极大极小策略）在正和博弈环境中必然损害参与者利益”的传统观点。通过理论证明与系统分析，研究发现：在相当一部分博弈情境中，极大极小策略的收益表现可能优于纳什均衡行为，尤其在存在多重均衡的协调失败场景下。对严格序数对称3×3博弈的系统分析显示，这种效应以非平凡频率出现。这表明当前许多富裕国家观察到的零和思维上升现象，若与极大极小决策规则相关联，未必会因其产生较低收益而被自然淘汰。
博弈论零和思维极大极小策略纳什均衡正和博弈决策规则
econ
04-22 00:00
本文对 Bastos 等人的研究提出评论，指出其低估了美国禁运对古巴经济的影响。原研究认为禁运仅能解释古巴与反事实非社会主义情景下人均收入差异的不到十分之一。评论者指出，原结论源于使用了不具代表性且非合理上限的贸易开放对收入弹性估计值，并将禁运与其他增长决定因素的交互效应错误地完全归因于其他因素。修正这些问题后，禁运可以解释古巴自1959年后经济表现不佳的相当大部分，在某些情况下甚至是全部原因。
经济评论古巴经济美国禁运贸易弹性反事实分析经济增长
econ
04-22 00:00
本文提出了一种在预算约束下优化数据标注的策略，以提升因果效应估计的效率。针对结果数据缺失或存在测量误差的问题，作者推导了最小化双重稳健估计量渐近方差的闭式解，从而确定最优的批量采样概率。该方法可扩展至处理非结构化数据（如医疗文本或图像）的高成本标注场景。在模拟和真实世界数据集（包括无家可归者服务干预数据）上的实验表明，该方法能以更少的标注样本达到与随机采样相当甚至更优的估计精度，例如仅需90个优化样本即可匹配361个随机样本的置信区间，节省约75%的标注预算。
因果推断数据标注优化双重稳健估计缺失数据预算约束非结构化数据
econ
04-22 00:00
本研究提出海运连通性脆弱性指数（MCVI），首次从供给侧量化全球班轮航运网络的结构性脆弱。该指数整合联合国贸发会议数据，涵盖低总体连通性、弱双边整合及港口基础设施集中度三个维度，覆盖185个经济体。研究发现，小岛屿发展中国家脆弱性平均高出0.234点，且差距持续扩大；全球脆弱性呈小幅下降（4.2%），但近40%经济体的脆弱性主要由港口集中度驱动。指数在多种权重方案下高度稳定（Spearman $\rho = 0.97-0.999$），并与世界银行物流绩效指数（$\rho = -0.61$）及海运运费（$\rho = +0.32$）显著相关。面板回归揭示“脆弱性悖论”：小型贸易依赖经济体开放度最高，脆弱性也最高。MCVI成功预测了新冠疫情供给侧冲击下的贸易损失（$\rho = -0.25, p < 0.005$），验证了其供给侧特异性。
海运连通性脆弱性指数港口集中度贸易韧性供给侧风险全球航运
econ
04-22 00:00
本研究探讨了电力价格概率预测的统计质量提升如何转化为实际经济价值。通过分析德国电力市场案例，作者指出基于分位数的电池交易策略存在两大缺陷：无法激励诚实的概率预测，且忽略了价格的时间依赖性。研究将电池优化问题构建为基于完全概率预测的随机规划，并分析了在不同风险偏好和不确定性模型下的决策质量度量。结果表明，通过简化的应用研究（如电池交易策略）来评估预测模型的经济价值并不可靠，为基于应用的预测评估实践提供了重要启示。
概率预测电力市场电池储能随机规划经济评估决策质量
econ
04-22 00:00
本研究利用H&M在荷兰的百万级交易数据（含产品图像、文本、价格及消费者人口统计信息），提出了一种可处理异构美学偏好的深度学习框架。作者采用三塔架构微调Fashion CLIP嵌入，分别处理产品视觉/文本、消费者历史与价格信息，进而构建潜类别深度需求系统。该系统能精准捕捉价格与品味敏感性、还原丰富的替代模式、揭示有意义的异质性，并在需求预测上显著优于传统方法。通过供给端反推，模型恢复了合理的加成与成本，支持对可持续实践进行反事实分析。此外，基于机器学习的特征价格模型性能优越，可用于构建质量调整价格指数、为全新设计定价，并通过Oaxaca-Blinder分解揭示价格变动的深层来源。围绕新冠疫情封锁的泊松事件研究进一步表明，基于嵌入的产品与用户聚类所揭示的需求响应范围，远超仅基于简单文本属性或人口标签的分析。该方法可推广至任何产品感官维度难以编码但对消费选择至关重要的市场。
计算经济学深度学习消费者异质性美学需求快时尚需求估计
econ
04-22 00:00
本研究基于在线国际象棋平台超过5年、5.2万用户的数据，揭示了人们寻求AI反馈时的自我选择机制。研究发现，更有动力和更高技能的用户更倾向于使用AI反馈，且从中获益更多，这造成了AI有效性的“幻觉”——在控制内生动机后，表面的学习增益消失。这种选择机制导致两个宏观后果：AI的普及扩大了技能差距，并且由于用户都依赖同一个集中的AI反馈源，群体层面的认知多样性显著下降。通过42个平台层面的自然实验，研究证实了多样性下降的因果关系。
人工智能反馈自我选择技能差距认知多样性人力资本微观宏观联系
econ
04-22 00:00
本研究利用OpenStreetMap和世界粮食计划署的开放地理数据，首次对非洲大陆的食品市场空间可达性进行了全面评估。通过整合三种互补指标——到达最近市场的旅行时间、30分钟阈值内的市场可用性以及基于熵的空间分布度量，研究量化了不同地区的可达性差异。分析显示，可达性存在显著不平等：农村和经济弱势群体面临更长的旅行时间、有限的市场覆盖和更低的空间冗余度。这些模式与社会经济分层（通过相对财富指数衡量）高度一致，并与粮食不安全水平存在适度相关性。结果表明，食品市场的可达性反映了更广泛的地理和经济不平等，并在塑造粮食安全结果中扮演着重要角色。该框架为识别服务不足地区和支持公平的基础设施规划与政策设计，提供了一种可扩展的数据驱动方法。
食品市场可达性空间不平等开放地理数据非洲粮食安全基础设施规划社会经济分层
econ
04-22 00:00
本文提出了一种聚类局部投影（clustered LP）方法，用于估计一类时变模型中的脉冲响应函数。该方法将参数变化与低维可观测矩阵关联，通过k-means对数据进行分类，并利用GMM估计脉冲响应。研究表明，当驱动变量外生时，该方法可恢复条件平均响应；当驱动变量内生时，则可获得条件边际效应的加权平均。蒙特卡洛模拟验证了其近似条件平均响应函数的能力。应用该方法分析不确定性对紧缩性货币政策冲击传导至美国国债收益率的影响，发现宏观经济不确定性与货币政策不确定性通过互补但不同的渠道发挥作用：前者主要放大期限溢价中的风险补偿，后者则影响市场对未来利率路径预期的修正速度和持续性。
时变模型脉冲响应局部投影货币政策不确定性聚类分析
econ
04-22 00:00
本文研究了消费者与多个垄断者独立交互的经济体。当消费者对不同商品的估值存在相关性时，这种相关性会扭曲消费者剩余（信息租金）的分布。我们识别了使诱导分布（在二阶随机占优意义上）更公平或更不公平的估值相关性结构变化。随后探讨了税收对信息租金的影响，并证明税务机构从随机分配商品中无法获益。在类型分布满足正则条件下，我们刻画了位于公平-效率前沿的机制集合。此外，在这些条件下，所有位于前沿的分配方案对商品的配给程度都高于未受规制的垄断者。最后，讨论了模型对奢侈品征税的启示。
商品税信息租金公平分配垄断市场二阶随机占优
econ
04-22 00:00
本文综述了将因果推断方法（如工具变量法、双重差分法、断点回归法）应用于随机前沿模型（SFM）以研究生产率和效率的最新进展。传统上，由于SFM的核心关注点在于模型的误差项，其与因果框架的融合存在困难。文章梳理了将两者结合的新兴文献，讨论了相关的建模方法、实证问题以及现有成果，并指出了该领域未来面临的挑战与核心发现。
因果推断随机前沿模型生产率效率分析计量经济学
econ
04-22 00:00
本文提出了一种适用于面板随机前沿模型的通用估计框架，该框架通过引入潜在组结构来处理个体间的异质性。该框架结合了个体层面和联合面板估计的混合估计程序，并针对随机前沿模型的特点进行了专门设计。研究表明，该框架不仅适用于将无效率项视为随机效应的模型，也能轻松扩展到文献中常见的多种固定效应设定。模拟实验显示了其良好的有限样本性能，并在对美国商业银行部门成本效率的实证应用中验证了其实用性。
随机前沿模型面板数据潜在组结构异质性效率估计计量经济学
econ
04-22 00:00
本文提出了一种基于混合因果与非因果自回归过程及其尾部过程表示的新方法来检测资产价格泡沫。与传统将泡沫视为非平稳、暂时性爆炸过程的定义不同，该方法假设价格遵循严格平稳过程，并将泡沫视为其非线性动态的内在组成部分。该方法提供了一个泡沫指标，用于检测泡沫并测量其持续时间。研究将该策略应用于可再生能源投资领域的“绿色泡沫”现象分析。
泡沫检测非因果模型绿色金融可再生能源投资时间序列分析