摩洛哥政府采购博弈：纯策略无均衡，混合策略解存在
本研究运用博弈论分析摩洛哥政府采购市场，将其建模为具有不连续、非拟凹支付函数的策略博弈。研究发现，该博弈在纯策略中不存在纳什均衡。针对双参与人情形，推导出对称博弈及加权(p,1-p)博弈的两种显式混合策略均衡。最后，通过应用对角线不相交支付匹配条件，证明了在一般N参与人情形下对称纳什均衡的存在性，从而将均衡存在性扩展至混合策略领域。
今日速览 · 经济学
Showing last 24h for this domain
自适应实验的因果推断新方法：BOLS统计量
自适应实验在经济学等领域的广泛应用带来了因果推断的挑战。本研究提出了一种BOLS（分批普通最小二乘法）检验统计量，用于在自适应实验中推断处理效应。该统计量通过对异方差条件下各时期处理-控制组差异进行精度均衡化聚合，构建了一个标准化的异方差时期z统计量平均值，可用于构建渐近有效的置信区间。模拟结果表明，该方法在治疗期数少、每批观测值数量不同（少或多）的典型情况下，能有效控制拒绝率。
组合交易中的女巫攻击防御：竞争均衡机制的安全边界
本研究分析了BRACE组合交易机制中的女巫攻击问题，将身份创建视为报告类型经验分布的有限扰动。在超额需求映射和主体效用平滑性的标准正则假设下，研究获得了有界女巫入侵导致的价格和福利偏差的显式线性边界。研究发现：仅当每个主体的身份份额趋近于零时，大规模策略证明性才成立；而任何拥有持续正份额的主体都能构造出获得严格正极限收益的偏差。研究还表明，在无界女巫人口情况下BRACE的可行性会失效，并提供了确保大型市场中此类攻击失去激励的精确成本阈值。
付费优先队列的分配效应：高收入者获益，低收入者受损
本研究分析了在服务获取中引入付费优先通道对不同收入群体的影响。研究发现，相对于单一的免费队列，是否愿意采用付费优先系统仅取决于收入，与服务估值无关。高收入者从快速通道中获益，而低收入者境况变差并只能留在免费队列。中等收入者虽更偏好单一免费队列，但在优先制度下仍会付费使用快速通道。因此，使用优先队列的行为并不能反映个体对该制度的真实偏好。
能力积累与条件收敛：构建经济复杂度的动态理论
本研究构建了一个经济复杂度的动态模型，内生地解释了无条件收敛向条件收敛的转变过程。模型表明，当经济活动的能力密集度提高时，收敛性质会转变为条件收敛。研究通过解析求解，得出了区分两种收敛状态的边界条件，并同时解释了基于关联性的路径依赖多样化过程。该模型为理解经济发展中收敛模式的转变和产业演化的路径依赖提供了统一的理论框架。
多维排序模型：技术变革如何影响劳动力匹配与收入分配
本文为具有一般产出函数和输入分布的多维分配模型，建立了一套完整的比较静态分析理论。核心贡献在于证明任何技术变革均可唯一分解为两个独立部分：梯度部分通过泊松方程刻画边际收入变化，无散度部分则描述了劳动力重新配置的机制。研究进一步利用美国数据，量化了认知技能偏向型技术变革对劳动力市场排序和收入分配的均衡影响。
控制误报率：学习时变相关网络的新框架
本文提出了一种系统框架，用于从高维、非线性、非高斯和非平稳的时间序列中学习时变相关网络，同时控制误报率。该方法通过自助法从稳健的时变相关函数估计中推导出依赖且时变的P值，对均值突变点不敏感。研究建立了理论保证的Benjamini-Hochberg和Benjamini-Yekutieli程序，能实现统一的误报率控制，并通过脑电图和金融时间序列数据验证了其应用价值。
基于失业与职位空缺数据的美国衰退实时检测算法
本研究开发了一种利用失业率和职位空缺数据实时检测美国经济衰退的算法。该算法通过组合数百万个衰退分类器，在统计意义上实现了完美识别：在1929-2021年的训练期内，准确识别了全部15次历史衰退，且未产生任何误报。通过进一步筛选位于“预期-精度前沿”高精度段的分类器，算法在保持高精度的同时实现了早期预警。平均而言，算法在衰退开始后2.1个月即可发出信号，远快于美国国家经济研究局（NBER）委员会平均6.3个月的判定时间。
渠道采纳路径如何影响消费者后续行为：基于巴西零售数据的研究
本研究利用巴西宠物用品零售商的交易数据，分析了消费者通过四种不同路径（自然采纳、新冠疫情、黑色星期五促销、忠诚计划）采纳线上购物后的行为差异。研究发现，所有采纳者消费额均高于纯线下消费者，但后续行为因采纳动机而异：促销驱动者倾向于囤货且后续利润较低，而疫情推动者则表现出更强的线下消费惯性。研究建议企业应设计避免囤货的促销策略，强化外部冲击下线上消费者的习惯，并在预测客户终身价值时考虑采纳动机的异质性。
医疗补助收缩如何影响体重与健康行为？田纳西州案例研究
本研究利用田纳西州2005年医疗补助收缩政策作为自然实验，采用合成双重差分法分析失去公共医疗保险对无子女成年人体重及相关健康行为的影响。研究发现，政策导致该群体体重指数平均上升0.38点，超重或肥胖率增加约4%，自评健康状况为“差”的比例上升21%。机制分析表明，医疗覆盖减少导致疼痛管理药物使用下降、适度体育活动参与减少，未受管理的健康问题恶化可能是体重增加的关键路径。
先验无关的Blackwell模型：数据驱动决策的新框架
本文提出了一个先验无关的数据驱动决策模型。决策者观察已知实验在未知状态分布下产生的全部信号分布，并在与观测一致的状态分布集合上，根据行动的最坏情况收益来评估行动。该模型适用于计量经济学中的部分识别问题。作者提出了一种实验排序方法：如果决策者在观察实验E后的问题价值总是至少不低于观察实验E'后的价值，则E在稳健意义上比E'更具信息性。这种比较严格弱于经典的Blackwell排序，其成立的充要条件是E的零空间包含于E'的零空间。
平台最优定价机制：仅用令牌上限即可筛选用户偏好
研究构建了一个机制设计框架，平台通过设计生成式AI模型来筛选用户。用户从对话中获得工具性价值，但对延迟的偏好存在私人差异。研究发现，收入最优的机制非常简单：只需部署一个对齐（用户最优）的模型，并使用令牌上限作为筛选用户的唯一工具。该设计将模型训练与定价解耦，易于通过令牌计量实现，并能减轻错位压力。
主成分分析在计量经济学中的选择性推断视角
本文从选择性推断的视角，研究了计量经济学应用中确定主成分数量的长期难题。研究考虑来自p维随机向量的独立同分布观测，旨在为模型选择后的统计推断提供更严谨的理论框架。该方法有助于提升高维经济数据分析的可靠性，对因子模型和降维技术的应用具有重要影响。
法官管理如何影响集体诉讼：Lone Pine命令与示范性审判的作用
本研究评估了法官在复杂集体诉讼中的两种关键管理工具——Lone Pine命令与示范性审判——对案件结果的影响。通过分析1992年至2017年的数据发现，要求原告提供伤害与因果关系证据的Lone Pine命令，显著增加了在集体诉讼程序中得到解决的案件数量。这为优化诉讼管理、平衡效率与公正提供了实证依据。
无需先验信息的采购机制：简单规则实现高效社会剩余
本文研究当买方对供应商成本一无所知且无先验信念时，如何设计采购机制。研究发现，一种简单的机制——将买方效用按固定比例与卖方分享——能够保证买方在所有可能的成本下，都能获得一个确定比例的有效社会剩余。通过基于已知需求明智地选择分享比例，该机制甚至能在所有可能（任意复杂和非线性）的机制和成本函数中，最大化可实现的剩余比例保证。该结论在相关的非线性定价和最优监管问题中同样成立。
高维回归模型贝叶斯推断的去偏方法
本文针对高维回归模型中基于稀疏先验（如尖峰-厚尾、马蹄型）的贝叶斯推断提出了一种新颖的去偏方法。该方法能校正整个后验分布的偏差，并建立了一个新的Bernstein-von Mises定理，从理论上保证了去偏后验的频数有效性，使得可信集在渐近意义上可作为有效的置信集。通过蒙特卡洛模拟和两个经济学实证应用验证了其优越性能。
基于文本数据构建自动化腐败指数：巴西市政审计报告的应用
本研究利用巴西市政审计报告，通过构建审计违规词典并结合主成分分析，开发了一种自动化的腐败指数。该指数与独立人工编码结果高度一致，在编码员共识高的样本中，能解释71-73%的人工编码腐败计数变异，且结果稳健。指数表现符合理论预期，与先前研究关联腐败的市政特征相关。监督学习方法得出的市政排名与该指数高度相似（R²=0.98），验证了词典方法捕捉了相同的潜在结构。该方法可扩展至全部审计语料，在透明度、成本和长期可复现性方面优于人工编码和大型语言模型。
深度神经网络逼近理论新突破：全连接网络实现最优估计率
本研究改进了Farrell等人（2021）关于深度前馈神经网络估计器的非渐近高概率界。原理论在针对全连接网络时收敛率次优。通过为更窄的全连接深度神经网络推导出专门的逼近界，本工作证明原定理可被改进以达到（在对数因子意义下）最优的收敛率。此外，研究还简要展示了深度神经网络估计器能够缓解具有组合结构函数及定义在流形上函数的维度诅咒问题。
因果中介分析新方法：平衡权重提升估计稳定性与准确性
本文针对因果中介分析中估计自然直接与间接效应的标准方法（如基于高效影响函数的估计器和逆概率加权估计器）存在的两大问题——估计不稳定性和有限样本协变量失衡——提出了改进方案。研究者开发了一种新算法，通过直接惩罚权重离散度并强制实现协变量与中介变量的近似平衡，从而获得更优的权重。理论证明新权重具有收敛性，所得估计量渐近正态且达到半参数效率界。模拟实验表明，在模型设定错误等挑战性场景下，新方法的表现优于现有主流估计器。该方法已应用于研究媒体框架对移民态度影响的真实数据集。
建筑原材料价格预测新框架：结合计量经济学与机器学习方法
本研究针对建筑原材料价格持续波动带来的成本估算风险，开发了一个基于建筑规范学会（CSI）MasterFormat数据结构的精细化预测框架。该框架整合了原材料价格、商品指数和宏观经济指标等解释变量，并在仅用CSI数据的基线配置和加入解释变量的扩展版本中，评估了LSTM、ARIMA、VECM和Chronos-Bolt四种时序模型的性能。结果表明，引入解释变量能显著提升所有模型的预测精度，其中LSTM模型表现最优，其RMSE和MAPE值分别低至1.390和0.957，相比传统ARIMA模型提升高达59%。该框架在多个CSI分部验证了其可扩展性，为业主和承包商在项目确定阶段实现更可靠的预算与成本估算提供了稳健的方法论。
核三通回归滤波：非线性高维时间序列预测新方法
本文针对高维时间序列预测中传统因子模型的局限性，提出了核三通回归滤波（K3PRF）方法。该方法在Kelly & Pruitt（2015）三通回归滤波的基础上，通过引入核技巧，有效解决了预测变量与潜在因子之间依赖关系可能非线性的问题。新方法计算高效，实证表现优异，在短期预测上与传统模型相当或更优，在长期预测上则显示出显著改进。
合同期限如何影响买家支付意愿？美国木材市场研究揭示期权价值
本研究通过美国木材行业合同数据，量化了合同期限对买家支付意愿的影响。研究发现，买家通过延迟消费来管理收益风险，导致支付意愿存在异质性。利用结构估计方法，研究揭示了延迟消费激励的关键参数，并通过反事实模拟发现，将合同期限从3年延长至4年，可使卖方收入增加9-13%，且该效应在大型项目、高价值买家及市场上升期更为显著。
实证贝叶斯估计在增值回归中的自动推断方法
本文研究了在增值回归中使用经验贝叶斯收缩估计量时，下游回归系数的估计偏差和推断有效性。研究发现，若收缩估计量未考虑噪声的异方差性，会导致估计量渐进有偏且推断无效。相反，若正确构建模型以处理异方差性，收缩估计量能实现自动偏差校正，使回归估计量渐进无偏、渐进正态且高效，其渐进等价于对真实（潜在）增值进行回归。在此情况下，基于收缩估计量的OLS标准误也是一致的，为实践者提供了简便高效的推断方法。
多重假设检验后效应量的有效推断方法
本文针对多重假设检验后选择性报告显著效应导致的估计偏差和置信区间覆盖不足问题，提出了新的估计量和置信区间构建方法。该方法基于选择性条件推断原理，适用于包括逐步检验和基于bootstrap的逐步向下检验在内的多种检验，并能处理大规模应用场景。研究通过两个实证案例展示了偏差校正和置信区间调整的效果，并指出校正的幅度和方向取决于估计效应间的相关结构。
国际价格与收入比较的实证福利内涵：揭示偏好视角下的新发现
本文通过揭示偏好理论推导出福利的多边边界，用以评估主流国际比较方法（如购买力平价PPP和实际收入）的福利可解释性。研究发现，当代主流指数具有福利可解释性，而市场汇率则不具备。采用福利一致的多边指数进行测算，2017年世界相对于美国的经济规模更大、不平等程度更低，这与传统衡量结果存在差异。
大语言模型隐藏状态蕴含经济信息，超越文本输出
研究发现，大型语言模型的隐藏状态可用于估计和填补经济与金融统计数据。在县级和公司级变量上，基于开源模型隐藏状态训练的简单线性模型，其表现优于模型自身的文本输出。这表明隐藏状态比直接回答蕴含更丰富的经济信息。仅需数十个标注样本即可有效训练，且提出的迁移学习方法无需目标变量标注数据即可提升估计精度。该方法在超分辨率和数据填补任务中展现了实用价值。
AI智能体使用全景图：Perplexity Comet Assistant早期证据揭示用户画像与核心场景
本研究基于Perplexity旗下AI浏览器Comet的数亿次匿名交互数据，首次对开放网络环境中通用AI智能体的采用、使用强度及用例进行了大规模实证分析。研究发现，早期采用者、人均GDP与教育水平较高国家的用户，以及从事数字技术、学术、金融等知识密集型行业的从业者更倾向于采纳并积极使用AI智能体。研究构建了一个分层分类法来系统刻画使用场景，结果显示，57%的查询集中于“生产力与工作流”及“学习与研究”两大主题，个人用途占55%。短期内用例粘性高，但长期用户会转向更具认知挑战性的主题。
价格暴露设计：识别与推断的微观基础与因果解释
本文研究了利用商品价格作为工具变量来评估总体冲击对地区影响的区域暴露设计。与利用多个冲击差异暴露的标准转移份额设计不同，价格暴露设计依赖于单一冲击的外生变异，这给识别和推断带来了挑战。研究通过一个多部门劳动力模型阐释了该设计，并在潜在结果框架下，将2SLS和TWFE估计量表征为地区和部门特定效应的加权平均值，外加由价格协方差结构和一般均衡产出响应驱动的污染项。研究推导了这些估计量具有明确因果解释的条件，并为条件违反提供了简单的敏感性分析程序。最后，研究表明，在价格暴露设计中，标准推断程序存在过度拒绝问题，并推导了一种新的标准误估计量，通过蒙特卡洛模拟展示了其良好的有限样本性质。在亚马逊地区金矿开采与凶杀案的应用中，价格暴露标准误约为传统聚类标准误的两倍，使得主要效应在统计上不再显著。
机制设计中的权力与自由：策略证明机制的新分析框架
本文提出一个分析策略证明机制的新框架，将代理人的影响力区分为“自由”与“权力”。“自由”指代理人通过报告不同类型所能为自己带来的相关结果集合，而“权力”则指其行为影响其他代理人相关结果的能力。该框架统一了选择自由文献中的机会集概念和二元投票中的经典权力指数。研究发现，约束有效机制正是那些最大化代理人自由的机制。应用于分配规则分析，该框架从自由与权力的角度，为顶级交易循环规则和双极序列独裁规则提供了新颖的特征刻画。
动机性推理如何影响社会信息聚合？
本研究探讨了动机性推理在两种经典社会信息聚合模型中的影响。在孔多塞陪审团定理中，即使存在动机性推理，信息在大规模群体中仍能有效聚合；但当信号质量在不同状态下存在差异时，动机增强会提升高信息质量状态下的社会福利，同时损害低质量状态下的福利。在序列社会学习模型中，适度的动机性推理有助于信息聚合，但若对追求真相的权重过低，则可能导致比完全贝叶斯基准更差的结果。
AI赋能TOE框架提升脆弱经济体工业可持续性：也门与沙特案例研究
本研究基于AI增强的TOE框架，通过对也门和沙特600家中小企业的实地调查，探讨了在脆弱和转型经济体中提升工业绩效与环境可持续性的路径。基于294份管理者问卷的偏最小二乘结构方程模型分析显示，AI-TOE对环境绩效和制造绩效均有显著正向影响。研究发现，AI的转型作用因基础设施成熟度和组织准备度而异：沙特企业受益于制度支持与先进技术，而也门企业则依赖低成本AI采纳和组织灵活性来应对结构性挑战。工业绩效在此关系中扮演关键中介角色。
航空公司联程票收入分配：公理化方法支持IATA加权机制
国际航空运输协会（IATA）规定联程票收入需按加权系统在航空公司间分配。本研究采用公理化方法分析此问题，理论结果支持IATA的现行程序。研究首先论证了加权系统的合理性，但未指定具体权重。在权重固定的假设下，进一步提供了多项支持IATA机制的结果。最后，针对所有航班可视为等效、无需加权的情况，也给出了相应的理论结果。
重构运输成本规划理论：整合阶梯成本、AI动态定价与可持续自主性的多层框架
本研究针对传统静态线性成本模型在应对供应链波动时的不足，重构了运输成本规划理论。通过系统综述2018-2025年间28篇高影响力文献，提出了一个整合宏观、中观与应用理论的多层框架。研究揭示了三大关键转变：固定成本从线性转向阶梯式、AI驱动的动态定价成为收益优化的必需、以及自主电动汽车对降低长期边际成本的作用。最终提出了“动态可持续成本规划理论”，强调现代成本效率依赖于算法预测与自主车队利用，而非简单的距离最小化。
生物科技风投网络研究：适度合作与专业同质化最利于企业退出
本研究针对生物科技领域，分析了风投网络中重复合作与专业同质化对企业退出的影响。基于2010-2024年欧美超万家初创企业数据，研究发现两者与退出概率均呈倒U型关系：适度的熟悉度和专业重叠最有利，过疏或过密都会降低成功率。制药企业风投或独立董事会的参与能缓解过度嵌入的负面影响。此外，IPO比并购需要更深度的协调。研究为生命科学领域的网络嵌入理论提供了新见解，并为从业者平衡信任、专业与监督提供了量化参考。
动态契约设计：支付与信息说服的权衡
本文研究动态契约设计问题，其中发送方（Sender）私下观察一个马尔可夫状态，并试图激励接收方（Receiver）采取行动。发送方通过两种方式提供激励：一是支付（直接改变事后收益），二是贝叶斯说服（塑造接收方对收益的临时信念）。研究发现，对于所有阶段博弈收益、贴现率和状态转移规则，支付都是最后手段——存在一种最优契约，其中支付仅发生在发送方承诺在每个后续历史中揭示状态之后。通过一个例子说明，最优契约类似于忠诚度计划：发送方在随机促销时间之前选择静态最优信息结构，之后揭示状态并向接收方支付。
货币政策冲击如何影响宏观经济“明星”变量？新框架揭示长期效应
本文提出了一种结合外部工具变量的结构多元未观测成分模型（SMUC-IV），用于研究货币政策冲击对美国关键宏观经济“明星”变量（潜在产出水平、潜在产出增长率、趋势通胀和中性利率）的影响。该方法的核心创新在于利用外部工具变量在多元框架内识别货币政策冲击，并开发了MCMC估计方法进行后验推断。实证分析表明，紧缩性货币政策冲击对这些“明星”变量具有显著的负面影响，揭示了暂时性货币政策冲击的非零长期效应。
实验设计新思路：通过事前筛选提升部分依从性下的因果推断效率
本研究探讨了在实验参与者存在部分依从性（即不完全遵守实验安排）的情况下，如何通过事前筛选参与者来优化实验设计。理论分析表明，理想的筛选策略是保留所有依从者并排除所有非依从者。这样做能同时实现三个目标：确保局部平均处理效应估计与未筛选时的标准2SLS估计一致、最小化中位数偏差，并最大化统计功效。由于实践中无法直接观测依从状态，作者讨论了可行的筛选策略，并提出了一种简单的筛选有效性检验方法。未来工作将通过实验验证该最优筛选设计的可行性与优势。
风险-保险平价：揭示风险厌恶与保险偏好的深层联系
本文提出“风险-保险平价”理论，系统性地将不同类别的保险合同与不同强度的风险厌恶概念联系起来。研究表明，经典的弱风险厌恶和强风险厌恶概念，可以通过对不同类型保险合同的偏好倾向来刻画，这推广了学界近期关于全额、比例及免赔额-限额合同偏好的研究。该理论不仅完整描述了与弱、强风险厌恶相对应的保险赔偿函数类别，还基于对纯免赔额合同和纯限额合同的偏好，定义了介于两者之间的两种新型风险厌恶概念。
市场分割如何实现再分配：垄断定价与消费者福利的权衡
本研究探讨了在垄断市场中，如何通过最优的市场分割策略来实现再分配目标。研究发现，最优的再分配性市场分割会促使卖方进行累进定价，即向富裕消费者收取比贫穷消费者更高的价格。然而，这种分割策略可能不会最大化消费者总剩余，反而可能为垄断者带来额外利润。研究进一步证明，这种最优的再分配性市场分割可以通过基于价格的监管政策来实施。
非参数检验：如何验证持续时间模型中的外生性假设
本文针对存在右删失数据的持续时间模型，提出了一种非参数检验方法，用于验证处理变量Z是否外生。该方法基于工具变量W，并假设所有协变量均为分类变量。核心在于检验条件秩V_T是否独立于(X, W)。研究克服了V_T被V_C删失带来的技术难题，证明了其估计量以快于常规参数速率的收敛速度趋于均匀分布。蒙特卡洛模拟验证了检验统计量及自助法临界值在有限样本下的良好性能，并以美国国家职业培训伙伴法案研究为例进行了实证应用。