第一期（20250208-20250310）
标题: Maximum Hallucination Standards for Domain-Specific Large Language Models
作者: Tingmingke Lu
摘要: 大型语言模型（LLMs）通常会生成不准确但听起来可信的内容，这种现象被称为“幻觉”。LLMs的这一固有特征带来了重大风险，特别是在关键领域。我将LLMs分析为一类新的工程产品，将幻觉视为产品属性。我证明，在存在对LLM幻觉的不完全认知和错误信息外部性的情况下，当LLM幻觉的最大可接受水平设计为随两个特定领域因素变化时，净福利会提高：这两个因素分别是减少LLM幻觉的支付意愿和与错误信息相关的边际损害。
链接: http://arxiv.org/abs/2503.05481v1
标题: Matrix Time Series Modeling: A Hybrid Framework Combining Autoregression and Common Factors
作者: Zhiyun Fan, Xiaoyu Zhang, Mingyang Chen, Di Wang
摘要: 矩阵值时间序列分析在计量经济学和金融领域变得越来越重要，因为具有固有矩阵结构的高维数据越来越可用。传统方法，如矩阵自回归（MAR）模型和动态矩阵因子（DMF）模型，通常施加了可能不符合现实数据复杂性的限制性假设。为了解决这一差距，我们提出了一种新的矩阵自回归与公共因子（MARCF）模型，通过在预测变量和响应子空间之间引入公共基，弥合了MAR和DMF框架之间的差距。MARCF模型实现了显著的维度缩减，并提供了更灵活和可解释的动态关系因子表示。我们开发了一种计算高效的估计器和梯度下降算法。提供了计算和统计收敛的理论保证，并通过广泛的模拟证明了模型的鲁棒性和准确性。应用于跨国宏观经济数据集时，MARCF模型在预测方面优于现有方法，并为国家和经济因素之间的相互作用提供了有意义的见解。
链接: http://arxiv.org/abs/2503.05340v1
标题: Skill and spatial mismatches for sustainable development in Brazil
作者: Anna K. Berryman, Joris Bücker, Fernanda Senra de Moura, Pete Barbrook-Johnson, Marek Hanusch, Penny Mealy, J. Doyne Farmer, R. Maria del Rio-Chanona
摘要: 所有国家都必须进行结构性变革，以向更环境可持续的经济转型，但这可能对工人产生哪些影响？研究通常发现，绿色转型情景总体上会产生净积极的就业创造数字，但很少提供对劳动力市场更细粒度动态的见解。本文将动态劳动力市场模拟模型与以农业和绿色制造业为重点的发展情景相结合。我们研究了在绿色转型的背景下，不同行业和地区的生产力转变以及不同的环境影响如何影响巴西的劳动力市场并受到其限制。通过解释与技能和空间错配相关的劳动力市场摩擦，我们发现，如果管理不善，生产率冲击可能会加剧不平等。农业工人往往受到最大的负面影响，因为他们的职业和地域流动性较小。我们的研究结果强调了有针对性的劳动力市场政策的重要性，以确保绿色转型是公正和公平的。
链接: http://arxiv.org/abs/2503.05310v1
标题: Unveiling Biases in AI: ChatGPT's Political Economy Perspectives and Human Comparisons
作者: Leonardo Becchetti, Nazaria Solferino
摘要: 我们通过比较ChatGPT对欧洲社会调查（ESS）中政治经济问题的回答，探讨了ChatGPT的政治和意识形态定位。这些问题涉及环境可持续性、公民权利、收入不平等和政府规模。ChatGPT在左右政治光谱上的自我定位与ESS数据集中提供类似答案的个人的意识形态立场进行了比较。结果突出了ChatGPT答案中的显著左倾偏见，特别是在环境和公民权利话题上，与其自我宣称的中间左派立场有所偏离。这些发现强调了AI系统透明度的必要性，以防止潜在的意识形态对用户的影响。我们最后讨论了AI治理、去偏见策略和教育应用的影响。
链接: http://arxiv.org/abs/2503.05234v1
标题: When can we get away with using the two-way fixed effects regression?
作者: Apoorva Lal
摘要: 在实证社会科学中，双向固定效应回归的使用历史上是出于民间智慧，认为它可以揭示处理组的平均处理效应（ATT），正如经典的两期两组情况一样。然而，最近的应用计量经济学结果表明，在存在随时间变化和采用队列之间的异质性处理效应时，它无法揭示有意义的异质性处理效应的平均值，因此提出了几种异质性鲁棒的替代方法。然而，这些估计器通常具有更高的方差，因此在许多应用中功率不足，这为研究人员带来了偏差-方差权衡的挑战。在本文中，我们提出了线性限制的简单检验，用于检验动态处理效应在队列之间的差异，这使我们能够检验双向固定效应回归何时可能产生ATT的有偏估计。这些检验作为pyfixest Python库中的方法实现。
链接: http://arxiv.org/abs/2503.05125v1
标题: GATE: An Integrated Assessment Model for AI Automation
作者: Ege Erdil, Andrei Potlogea, Tamay Besiroglu, Edu Roldan, Anson Ho, Jaime Sevilla, Matthew Barnett, Matej Vrzla, Robert Sandler
摘要: 评估人工智能的经济影响需要整合计算机科学和经济学的见解。我们提出了增长与AI转型内生模型（GATE），这是一个动态的综合评估模型，模拟了AI自动化的经济效应。GATE结合了三个关键要素，这些要素在以前的工作中未被整合：（1）基于计算的人工智能发展模型，（2）AI自动化框架，（3）具有内生投资和调整成本的半内生增长模型。该模型允许用户模拟向高级AI转型的经济效应，涵盖一系列潜在情景。GATE捕捉了经济变量之间的相互作用，包括投资、自动化、创新和增长，以及AI相关的输入，如计算和算法。本文解释了模型的结构和功能，强调为经济学家提供AI发展，为AI社区提供经济建模。该模型在一个交互式沙箱中实现，使用户能够探索AI在不同参数选择和政策干预下的影响。建模沙箱可在www.epoch.ai/GATE访问。
链接: http://arxiv.org/abs/2503.04941v1
标题: Welfare Effects of Self-Preferencing by a Platform: Empirical Evidence from Airbnb
作者: Kaede Hanazawa
摘要: 本文研究了Airbnb自我偏好的福利效应，Airbnb利用其定价算法优先考虑最大化整个平台的佣金收入，而不是优化单个房东的收入。为了检验这一福利含义，我构建了一个伯特兰竞争模型，其中Airbnb房东和酒店之间存在差异化产品。使用东京23个区的独特数据，我估计了模型并进行了反事实模拟，以评估自我偏好的福利效应。反事实模拟显示，自我偏好平均减少了5.08%的社会福利，相当于2023年东京度假租赁市场规模每年损失约14.90%，而Airbnb的佣金收入平均增加了37.73%。这些发现强调了平台驱动的收入优化与市场效率之间的重大权衡，强调了竞争政策改革以及平台做法的更大透明度和问责制的迫切需要。
链接: http://arxiv.org/abs/2503.04489v1
标题: Optimizing Economic Complexity
作者: Viktor Stojkoski, César A. Hidalgo
摘要: 运用经济复杂性来识别多样化机会的努力通常依赖于比较产品、技术或行业的相关性和复杂性的图表。然而，这些图表的使用并不是基于支持某些最优概念的经验或理论证据。在这里，我们介绍了一种方法，以最小化捕捉经济专业化模式所施加的约束的成本函数为基础，识别多样化机会，并表明这种ECI优化算法产生的建议与使用相关性-复杂性图表获得的建议显著不同。该方法推进了经济复杂性方法在探讨战略多元化问题中的应用。
链接: http://arxiv.org/abs/2503.04476v1
标题: Persistent gender attitudes and women entrepreneurship
作者: Ulrich Kaiser, Jose Mata
摘要: 持续的性别规范如何影响女性当前的创业活动？我们调查了历史性别规范——通过瑞士1981年将性别平等作为宪法权利的公民投票来衡量——是否影响今天的女性创业活动。使用2016年至2023年瑞士所有2,308个城市的数据，我们显示性别规范在过去42年中一直存在。在赞成性别平等的投票中所占比例较高的城市，女性创办的初创公司在统计和经济上的比例都显著高于男性创办的初创公司。这一比例相对于1981年投票的平均弹性为0.2。这些发现表明，尽管瑞士经历了大规模移民和前所未有的经济增长，性别规范仍然存在。即使在控制了后来的性别角色公投和广泛的市级控制变量后，这一结果仍然稳健，且对非增长导向型公司的影响比对增长导向型初创公司的影响更强。
链接: http://arxiv.org/abs/2503.04435v1
标题: Enhancing Poverty Targeting with Spatial Machine Learning: An application to Indonesia
作者: Rolando Gonzales Martinez, Mariza Cooray
摘要: 本研究利用空间机器学习（SML）来提高印度尼西亚贫困目标识别的准确性。传统的代理均值测试（PMT）方法由于无法考虑空间依赖性和区域异质性，容易产生排除和包含错误。通过整合空间邻接矩阵，SML模型缓解了这些限制，促进了更精确的地理贫困集群识别和比较。利用2016年至2020年和2016年至2021年社会福利综合数据调查（DTKS）的家庭调查数据，本研究考察了收入分配的空间模式，并在省和区级划定了贫困集群。实证结果表明，与标准机器学习模型相比，所提出的SML方法将排除错误从28%减少到20%，强调了空间分析在改进基于机器学习的贫困目标识别中的关键作用。这些结果突显了SML在设计更公平和有效的社会保护政策中的潜力，特别是在地理多样化的背景下。未来的研究可以探索时空模型的适用性，并评估SML方法在不同社会经济环境中的普遍性。
链接: http://arxiv.org/abs/2503.04300v1
标题: Aggregation Model and Market Mechanism for Virtual Power Plant Participation in Inertia and Primary Frequency Response
作者: Changsen Feng, Zhongliang Huang, Jun Lin, Licheng Wang, Youbing Zhang, Fushuan Wen
摘要: 现代电力系统中同步发电机提供的惯性下降，需要通过将分布式能源（DERs）聚合为虚拟电厂（VPPs）来释放其在辅助服务市场中提供惯性和一次频率响应（IPFR）的潜力。为了促进DERs参与IPFR市场，本文提出了一种DER聚合模型和市场机制，用于VPP参与IPFR。首先，开发了一个能源-IPFR市场框架，其中VPP作为协调异构DERs的中介。其次，考虑到与惯性相关的延迟，引入了一种基于优化的VPP聚合方法，以封装涉及多种DERs的IPFR过程。第三，引入了一种VPP参与的能源-IPFR市场机制，旨在最小化社会成本，同时考虑参与者的频率响应延迟特性。最后，通过在改进的IEEE 30总线系统上的案例研究验证了所提出方法的性能。
链接: http://arxiv.org/abs/2503.04854v1
标题: Managing Procurement Auction Failure: Bid Requirements or Reserve Prices
作者: Jun Ma, Vadim Marmer, Pai Xu
摘要: 本文研究了投标要求，即政府可能会取消采购合同，除非收到两个或更多投标。使用具有内生进入的第一价格拍卖模型，我们比较了投标要求和保留价格机制在拍卖失败和采购成本方面的表现。我们发现，保留价格导致较低的采购成本和显著较低的失败概率，特别是在进入成本较高或信号足够信息丰富的情况下。投标要求更可能导致零进入，而保留价格可以在更广泛的条件下维持正进入。
链接: http://arxiv.org/abs/2503.03996v1
标题: Optimal Policy Choices Under Uncertainty
作者: Sarah Moon
摘要: 政策制定者经常对政策的收益和成本进行更改，而这些收益和成本是未知的，必须通过实证研究中的统计估计来推断。某些政策的样本估计比其他政策更嘈杂，在决策中比较政策变化时应进行调整。在本文中，我考虑了一个规划者的问题，该规划者对一组政策的前期支出进行更改以最大化社会福利，但面临这些变化影响的统计不确定性。我建立了一个在统计不确定性下可处理的优化问题，并求解了贝叶斯风险最小化的决策规则。我提出了一种经验贝叶斯方法来近似最优决策规则，当规划者不知道先验时。我从理论上证明，经验贝叶斯决策规则可以很好地近似最优决策规则，包括在样本插件规则无法做到的情况下。
链接: http://arxiv.org/abs/2503.03910v1
标题: When Should we Expect Non-Decreasing Returns from Data in Prediction Tasks?
作者: Maximilian Schaefer
摘要: 本文研究了当预测变量数量增加时，响应变量预测准确性的变化，假设所有变量都遵循多元正态分布。假设变量之间的相关性是独立抽取的，我表明当相关性分布的均值为零时，增加变量会导致全局规模收益递增。学习速度与相关性分布的方差正相关。我使用模拟研究了相关性分布均值不为零的更复杂情况，发现了一种先递减后递增的规模收益模式——只要相关性分布的方差不退化，否则会出现全局规模收益递减。我在MovieLens 1M数据集上训练了一个协同过滤算法，以分析在更现实的环境中添加变量的收益，并发现跨越2000个变量的全局规模收益递增。结果表明，在预测任务中，额外的变量具有显著的规模优势。
链接: http://arxiv.org/abs/2503.03602v1
标题: Exchange Rate Sensitivity in Free Zone Trade: An Empirical Study of the Istanbul Ataturk Airport Free Zone
作者: Sukru C. Demirtas
摘要: 本研究作为正在进行的研究工作的一部分，实证检验了伊斯坦布尔阿塔图尔克机场自由贸易区的外贸与汇率变动之间的关系。使用2003年至2016年的月度数据，通过平稳性检验（单位根）、向量自回归（VAR）模型、协整分析和Toda-Yamamoto因果关系检验进行分析。研究结果表明，汇率对自由贸易区的进出口没有显著影响。这一结果表明，由于自由贸易区的结构特征和运营框架，它们可能相对不受汇率波动的影响。该研究通过对土耳其特定自由贸易区的聚焦分析，为文献做出了贡献，突显了自由贸易区贸易可能独立于汇率波动的特性。
链接: http://arxiv.org/abs/2503.03323v1
标题: How manipulable are prediction markets?
作者: Itzhak Rasooly, Roberto Rozzi
摘要: 在本文中，我们进行了一项大规模的现场实验，以研究预测市场的可操纵性。主要实验涉及在817个独立市场中随机冲击价格；然后我们收集每小时的价格数据，以检查这些冲击的影响是否持续。我们发现预测市场是可以被操纵的：即使在交易发生60天后，我们的交易影响仍然可见。然而，正如我们的模型所预测的那样，操纵的影响会随着时间的推移逐渐减弱。拥有更多交易者、更大交易量以及外部概率估计来源的市场更难被操纵。
链接: http://arxiv.org/abs/2503.03312v1
标题: Consistent Segregation Metrics: Addressing Structural Variations in Global Labor Markets
作者: Ana Kujundzic, Janneke Pieters
摘要: 差异指数（ID）在经济学文献中被广泛用作衡量隔离的指标，但由于无法考虑各国劳动力市场的结构差异或单一国家劳动力市场随时间的变化，因此不适合跨国或时间序列研究。基于Karmel和MacLachlan（1988）以及Blackburn等人（1993）的工作，我们提出了一种新的衡量标准——标准化ID，它将结构差异与空间或时间上的真实隔离差异分离开来。我们提出的衡量标准的一个关键优势在于其易于实施和解释，即使在使用包含大量国家或时间段的数据集时也是如此。此外，我们的衡量标准可以一致地应用于占劳动力很大比例的块状部门或职业。我们在分析经济发展（以人均GDP衡量）与职业和部门性别隔离之间的跨国关系时展示了这一新衡量标准。比较原始ID与标准化ID，我们发现原始ID高估了收入与隔离之间的正相关性，特别是在低收入和中等收入国家之间。这表明，依赖原始ID的分析可能会高估收入差异在解释跨国性别隔离变化中的重要性。
链接: http://arxiv.org/abs/2503.02763v1
标题: Seeded Poisson Factorization: Leveraging domain knowledge to fit topic models
作者: Bernd Prostmaier, Jan Vávra, Bettina Grün, Paul Hofmarcher
摘要: 主题模型广泛用于发现大型文本语料库中的潜在主题结构，然而传统的无监督方法往往难以与预定义的概念领域对齐。本文介绍了种子泊松分解（SPF），这是一种通过种子词引入领域知识来扩展泊松分解框架的新方法。SPF通过修改主题特定术语强度的先验分布，为预定义的种子词分配更高的初始率，从而实现更可解释和结构化的主题发现。该模型使用随机梯度优化的变分推断进行估计，确保了对大规模数据集的可扩展性。我们将SPF应用于亚马逊客户反馈数据集，利用预定义的产品类别作为指导结构。我们的评估表明，与其他引导主题模型相比，SPF在分类性能上表现优异，特别是在计算效率和预测性能方面。此外，鲁棒性检查突出了SPF在种子词选择不完美的情况下，自适应地平衡领域知识和数据驱动主题发现的能力。这些结果确立了SPF作为一种强大且可扩展的替代方案，用于将专家知识整合到主题建模中，增强了现实应用中的可解释性和效率。
链接: http://arxiv.org/abs/2503.02741v1
标题: Educational Assortative Mating and Household Income Inequality: Evidence from Brazil, Indonesia, Mexico, and South Africa
作者: Ana Kujundzic
摘要: 本文提供了来自四个新兴经济体的新实证证据，探讨了教育同质婚配与家庭收入不平等之间的关系。使用一种允许研究婚姻匹配模式而不施加搜索摩擦限制性假设的方法，研究发现，巴西、印度尼西亚、墨西哥和南非的人们倾向于基于教育水平进行内部同质婚配。虽然教育同质婚配在任何一年对家庭收入不平等都有显著影响，但随着时间的推移，同质婚配程度的变化几乎对不平等没有影响。进一步分析揭示了这一反直觉结果的原因在于不同教育群体内部的动态变化。高教育群体中同质婚配减少对不平等的降低影响几乎完全被低教育群体中同质婚配增加对不平等的增加影响所抵消。虽然教育同质婚配对家庭收入差距的潜在影响似乎并不如担忧的那样大，但这些发现提出了另一个令人担忧的叙述。边缘化过程正在低教育群体中发生。最低教育群体正在被抛在后面，面临有限的劳动力市场机会和通过与更高教育伴侣结婚实现社会经济向上流动的机会减少。
链接: http://arxiv.org/abs/2503.02713v1
标题: FinArena: A Human-Agent Collaboration Framework for Financial Market Analysis and Forecasting
作者: Congluo Xu, Zhaobin Liu, Ziyang Li
摘要: 为了提高股票趋势预测并支持个性化投资决策，本文提出了FinArena，一种新颖的人机协作框架。受专家混合（MoE）方法的启发，FinArena将多模态金融数据分析与用户交互相结合。人类模块具有一个交互式界面，捕捉个人风险偏好，允许制定个性化的投资策略。机器模块利用基于大型语言模型（LLM）的多代理系统，整合股票价格、新闻文章和财务报表等多种数据源。为了解决LLM中的幻觉问题，FinArena采用自适应检索增强生成（RAG）方法处理非结构化新闻数据。最后，一个通用专家代理根据从多模态数据中提取的特征和投资者的个人风险偏好做出投资决策。广泛的实验表明，FinArena在股票趋势预测方面超越了传统和最先进的基准，并在各种风险配置的交易模拟中取得了有希望的结果。这些发现突显了FinArena通过将战略洞察与个性化风险考虑相结合来提升投资结果的潜力。
链接: http://arxiv.org/abs/2503.02692v1
标题: Extrapolating the long-term seasonal component of electricity prices for forecasting in the day-ahead market
作者: Katarzyna Chęć, Bartosz Uniejewski, Rafał Weron
摘要: 最近的研究表明，将电价分解为长期季节性成分（LTSC）和剩余部分，分别预测两者，然后结合它们的预测，可以在日前电价预测中带来显著的准确性提升。然而，对LTSC的预测并未受到太多关注，通常将估计模式的最后24小时值复制到目标日。为了解决这一差距，我们引入了一种新方法，该方法从使用未来24小时电价预测外推的价格序列中提取趋势-季节模式。我们使用德国和西班牙电力市场的两个5年测试期对其进行了评估，涵盖了新冠疫情、2021/2022年能源危机和乌克兰战争。考虑到简约的自回归和LASSO估计模型，我们发现预测准确性的提升范围在均方根误差方面为3%至15%，在涉及日前竞价和电池存储的现实交易策略的利润方面超过1%。
链接: http://arxiv.org/abs/2503.02518v1
标题: On the Realized Joint Laplace Transform of Volatilities with Application to Test the Volatility Dependence
作者: XinWei Feng, Yu Jiang, Zhi Liu, Zhe Meng
摘要: 在本文中，我们首先研究了在固定时间区间[0, T]内使用高频数据的重叠增量估计两个半鞅波动率的经验联合拉普拉斯变换。所提出的估计器对价格过程中有限变异跳跃的存在具有鲁棒性。已建立了所提出估计器的相关泛函中心极限定理。与使用非重叠增量的估计器相比，使用重叠增量的估计器提高了渐近估计效率。此外，我们研究了长跨度设置下估计器的渐近理论，并利用它创建了一个可行的波动率依赖性检验。最后，模拟和实证研究证明了所提出估计器的性能。
链接: http://arxiv.org/abs/2503.02283v1
标题: Enhancing Efficiency of Local Projections Estimation with Volatility Clustering in High-Frequency Data
作者: Chew Lian Chua, David Gunawan, Sandy Suardi
摘要: 本文通过解决在高频经济和金融数据中波动率聚类导致的局部投影（LP）方法效率低下的问题，推进了LP方法。我们引入了广义自回归条件异方差（GARCH）过程来解决序列相关问题，并通过GARCH-X和GARCH-HAR结构扩展了模型。蒙特卡洛模拟表明，利用LP误差结构中的序列依赖性可以提高跨预测范围的效率，在持久波动率下保持鲁棒性，并随着样本量的增加获得更大的收益。我们的研究结果有助于完善LP估计，增强其在分析经济干预和金融市场动态中的适用性。
链接: http://arxiv.org/abs/2503.02217v1
标题: Seeing Stereotypes
作者: Elisa Baldazzi, Pietro Biroli, Marina Della Giusta, Florent Dubois
摘要: 依赖刻板印象是人类决策的一个持久特征，并在教育环境中被广泛记录，它可以塑造学生的信心、表现和长期人力资本积累。虽然存在有效的技术来减轻这些负面影响，但关键的第一步是确定教师是否能够在其专业环境中识别刻板印象。我们引入了刻板印象识别测试（SIT），这是一种新颖的调查工具，要求教师评估和评论从学校教科书中随机抽取的图像中刻板印象的存在。他们的反应与已建立的隐性偏见（内隐联想测试，IAT）和显性偏见（关于教学刻板印象和社会价值观的调查量表）测量系统相关。我们的研究结果表明，SIT是一种有效且可靠的刻板印象识别测量工具。教师识别刻板印象的能力与可训练的特质相关，如隐性偏见意识和包容性教学实践。此外，提供关于隐性偏见的个性化反馈可以将SIT分数提高0.25个标准差，强化了刻板印象识别是可塑的，并且可以通过有针对性的干预措施增强的观点。
链接: http://arxiv.org/abs/2503.02146v1
标题: Using firm-level supply chain networks to measure the speed of the energy transition
作者: Johannes Stangl, András Borsos, Stefan Thurner
摘要: 尽管许多国家和国际气候政策明确规定了脱碳目标和实现时间表，但在客观监测进展方面却明显缺乏努力。从化石燃料向低碳能源转型的很大一部分将由工业和经济承担，这需要电力网的脱碳和工业过程的电气化。但企业采用低碳电力的速度有多快？利用匈牙利国家供应链网络的独特数据集，我们分析了2020年至2023年间27,067家企业的能源组合，覆盖了超过80%的天然气、70%的电力和50%的石油消耗。这使我们能够客观地衡量企业层面的脱碳努力趋势。尽管超过一半的企业增加了低碳电力的份额，但许多企业却减少了。根据观察到的趋势外推，我们发现到2050年，总能源消耗中只有20%将转型为低碳电力。目前经济中的转型速度不足以在2050年实现气候中性。如果企业采用其行业中脱碳领军者的相同努力，低碳能源份额可达到86%，使气候目标触手可及。作为一个关键障碍，我们识别了“锁定”效应，即化石燃料成本与收入比率高的企业不太可能转型。加速能源转型需要有针对性的政策，解决这些障碍，确保企业能够将其脱碳战略与最佳实践对齐。
链接: http://arxiv.org/abs/2503.01572v1
标题: Dynamic Factor Correlation Model
作者: Chen Tong, Peter Reinhard Hansen
摘要: 我们引入了一种新的动态因子相关模型，该模型采用了一种无变化的因子载荷参数化方法。该模型适用于高维数据，能够适应时变相关性、异质重尾分布以及依赖性的特殊冲击，例如在同一子行业中观察到的股票收益。我们将该模型应用于包含12个资产收益的“小宇宙”和包含323个资产收益的“大宇宙”。前者有助于全面的实证分析和比较，而后者则展示了该模型的灵活性和可扩展性。
链接: http://arxiv.org/abs/2503.01080v1
标题: Vector Copula Variational Inference and Dependent Block Posterior Approximations
作者: Yu Fu, Michael Stanley Smith, Anastasios Panagiotelis
摘要: 变分推断（VI）是一种流行的统计和计量经济学模型估计方法。VI的关键是选择一个易于处理的密度来近似贝叶斯后验。对于大型和复杂模型，常见的选择是假设参数空间分区中多变量块之间的独立性。虽然这简化了问题，但可能会降低准确性。本文提出使用向量Copula来捕捉块之间的依赖性，并构建了基于可学习的循环单调变换的定制多变量边际。我们将由此产生的联合分布称为“依赖块后验”近似。向量Copula模型被建议用于实现易于处理和灵活的变分近似。它们允许不同的边际、块的数量、块的大小以及块间依赖性的形式。它们还允许使用快速高效的随机梯度方法解决变分优化问题。该方法的有效性和多功能性通过四个不同的统计模型和16个具有挑战性后验的数据集得到了验证。在所有情况下，我们的方法都比假设块独立性或基于因子依赖性的基准VI方法产生更准确的后验近似，且计算成本有限。
链接: http://arxiv.org/abs/2503.01072v1
标题: Privacy vs. Profit: The Impact of Google's Manifest Version 3 (MV3) Update on Ad Blocker Effectiveness
作者: Karlo Lukic, Lazaros Papadopoulos
摘要: Google最近对Chrome浏览器扩展的清单文件进行了更新——从清单版本2（MV2）过渡到清单版本3（MV3）——这引发了用户和广告拦截器提供商的担忧，他们担心新限制，特别是从强大的WebRequest API转向更具限制性的DeclarativeNetRequest API，可能会降低广告拦截器的有效性。由于广告拦截器对数百万用户寻求更私密和无广告浏览体验至关重要，本研究通过实证调查MV3更新对其拦截广告和跟踪器能力的影响。通过在多个广告支持网站样本上进行的浏览器实验，我们比较了四个广泛使用的广告拦截器的MV3与MV2实例。我们的结果显示，与MV2实例相比，MV3广告拦截器在广告拦截或反跟踪有效性方面没有统计学上的显著降低，在某些情况下，MV3实例甚至在拦截跟踪器方面表现出轻微改进。这些发现对用户来说是令人安心的，表明MV3实例的流行广告拦截器继续提供有效的保护，防止侵入性广告和侵犯隐私的跟踪器。尽管仍存在一些不确定性，但广告拦截器提供商似乎已经成功应对了MV3更新，找到了维持其广告拦截器核心功能的解决方案。
链接: http://arxiv.org/abs/2503.01000v1
标题: Keynesian Beauty Contest in Morocco's Public Procurement Reform
作者: Nizar Riane
摘要: 本文通过凯恩斯选美竞赛理论的视角，研究了摩洛哥公共采购市场的最新改革。该改革引入了一种类似于猜测平均值的机制，投标人试图估计参考价格，这反过来会影响投标策略。我们利用这一设置来实证检验拍卖理论中的关键假设，特别是公共知识和有限理性的作用。我们的研究结果表明，当前规则下存在潜在的操纵风险，表明转向中位数标准可以提高鲁棒性并减少操纵的可能性。这项工作有助于更广泛地理解采购中的战略互动，并为未来研究提高公共合同分配的公平性和效率奠定了基础。
链接: http://arxiv.org/abs/2503.00883v1
标题: Bayesian inference for dynamic spatial quantile models with interactive effects
作者: Tomohiro Ando, Jushan Bai, Kunpeng Li, Yong Song
摘要: 随着信息技术和数据收集系统的快速发展，大规模空间面板数据提出了新的方法论和计算挑战。本文引入了一种包含未观测异质性的动态空间面板分位数模型。该模型捕捉了面板数据的动态结构、高维横截面依赖性，并允许异质回归系数。为了估计该模型，我们提出了一种新的贝叶斯马尔可夫链蒙特卡罗（MCMC）算法。对贝叶斯计算的贡献包括分位数随机化的发展、结构参数的新Gibbs采样器以及逆高斯随机生成器尾部行为的稳定化。我们建立了所提出估计方法的贝叶斯一致性，随着面板的时间维度和横截面维度趋于无穷大。蒙特卡洛模拟证明了该方法的有效性。最后，我们通过一个关于汽油市场分位数共动结构的案例研究说明了该方法的适用性。
链接: http://arxiv.org/abs/2503.00772v1
标题: Wikipedia Contributions in the Wake of ChatGPT
作者: Liang Lyu, James Siderius, Hannah Li, Daron Acemoglu, Daniel Huttenlocher, Asuman Ozdaglar
摘要: ChatGPT推出后，与ChatGPT内容相似的维基百科文章的活动发生了怎样的变化？我们使用差异中的差异模型进行估计，以不相似的维基百科文章作为基线比较，研究自愿知识贡献和信息寻求行为的变化如何因文章内容而异。我们的分析显示，与ChatGPT 3.5内容重叠的新创建、受欢迎的维基百科文章在2022年11月ChatGPT推出后，编辑和浏览量下降幅度大于不相似的文章。这些发现表明，当AI提供类似内容时，用户会选择性减少对现有平台的参与，这表明对人类驱动的在线知识贡献的未来可能产生不均匀的影响。
链接: http://arxiv.org/abs/2503.00757v1
标题: Causal Inference on Outcomes Learned from Text
作者: Iman Modarressi, Jann Spiess, Amar Venugopal
摘要: 我们提出了一种机器学习工具，用于在随机试验中对文本进行因果推断。基于一个简单的计量经济学框架，其中文本可能捕捉感兴趣的结果，我们的程序解决了三个问题：首先，文本是否受到处理的影响？其次，影响体现在哪些结果上？第三，我们对因果影响的描述有多完整？为了回答所有三个问题，我们的方法使用大型语言模型（LLMs）来建议两组文本文档之间的系统性差异，然后基于昂贵的验证提供有效的推断。具体来说，我们强调了样本分割的必要性，以允许对LLM输出进行统计验证，以及人工标注的必要性，以验证关于文档在组间差异的实质性主张。我们使用学术手稿摘要在一个概念验证应用中说明了该工具。
链接: http://arxiv.org/abs/2503.00725v1
标题: Policy Design in Long-Run Welfare Dynamics
作者: Jiduan Wu, Rediet Abebe, Moritz Hardt, Ana-Andreea Stoica
摘要: 提高社会福利是一项复杂的挑战，要求政策制定者优化多个时间范围内的目标。评估此类政策的影响提出了一个根本性挑战，因为那些在短期内看似次优的政策可能会带来显著的长期收益。我们通过分析两种著名政策框架的长期动态来解决这一挑战：罗尔斯政策，优先考虑最需要帮助的人；功利主义政策，最大化即时福利收益。传统智慧认为这些政策是对立的，因为罗尔斯政策被认为以降低平均社会福利为代价，而功利主义政策直接优化平均社会福利。我们通过在个体福利水平随时间随机衰减的序贯决策框架中分析这些政策，挑战了这一假设。在合理的假设下，我们证明了罗尔斯政策的干预在长期内可以优于功利主义政策，即使后者在短期内占优。我们描述了罗尔斯政策优于功利主义政策的确切条件。我们进一步通过模拟说明了我们的理论发现，强调了仅基于短期效果评估政策的风险。我们的结果强调了在设计和评估福利政策时考虑长期视野的必要性；即使是已确立的政策，其真正效力也可能只有在长期内才能显现。
链接: http://arxiv.org/abs/2503.00632v1
标题: The Uncertainty of Machine Learning Predictions in Asset Pricing
作者: Yuan Liao, Xinjie Ma, Andreas Neuhierl, Linda Schilling
摘要: 资产定价中的机器学习通常预测预期收益作为点估计，忽略了不确定性。我们开发了新的方法来构建神经网络预测的预期收益的置信区间。我们展示了神经网络预测的预期收益与经典非参数方法具有相同的渐近分布，从而能够为其标准误差提供闭式表达式。我们还提出了一种计算上可行的自举法来获得渐近分布。我们将这些预测置信区间纳入一个厌恶不确定性的投资框架。这为投资组合选择的收缩实现提供了经济理由。实证上，我们的方法提高了样本外表现。
链接: http://arxiv.org/abs/2503.00549v1
标题: The effect of remote work on urban transportation emissions: evidence from 141 cities
作者: Sophia Shen, Xinyi Wang, Nicholas Caros, Jinhua Zhao
摘要: 远程工作（WFH）对交通排放的总体影响仍然是一个复杂的问题，对政策制定具有重要意义。本研究将美国社区调查（ACS）的社会经济信息与选定的美国大都会统计区（MSAs）的全球碳排放数据集进行匹配。我们分析了新冠疫情前后WFH对交通排放的影响。采用横截面多元回归模型和Blinder-Oaxaca分解，我们研究了WFH、通勤模式和汽车拥有量对美国141个MSAs交通排放的影响。我们发现，2021年WFH的普及与较低的交通排放相关，而2019年的WFH并未显著影响交通排放。在控制公共交通使用和汽车拥有量后，我们发现WFH每增加1%，人均日均交通排放量减少0.17公斤或1.8%。Blinder-Oaxaca分解显示，WFH是疫情期间人均交通排放减少的主要驱动因素。我们的结果表明，公共交通对减少交通排放的影响有所下降，而汽车拥有量对增加交通排放的影响有所上升。这些结果共同表明，WFH对交通排放的影响是多方面的。本研究强调了在制定WFH政策时需要采取细致入微、数据驱动的方法，以有效缓解交通排放。
链接: http://arxiv.org/abs/2503.00422v1
标题: Uniform Limit Theory for Network Data
作者: Yuya Sasaki
摘要: 我提出了一种新的网络依赖数据的均匀大数定律（ULLN）。虽然Kojevnikov、Marmer和Song（KMS，2021）提供了一套全面的极限定理和稳健的方差估计器用于网络依赖过程，但他们的分析集中在逐点收敛上。另一方面，均匀收敛对于非线性估计器（如M和GMM估计器）至关重要（例如，Newey和McFadden，1994，第2节）。基于KMS，我在网络依赖下建立了ULLN，并通过证明M和GMM估计器的一致性展示了其效用。这项工作的副产品是一个新的网络数据极大不等式，这可能对超出本文范围的研究有用。
链接: http://arxiv.org/abs/2503.00290v1
标题: Solar prosumage under different pricing regimes: Interactions with the transmission grid
作者: Dana Kirchem, Mario Kendziorski, Enno Wiebrow, Wolf-Peter Schill, Claudia Kemfert, Christian von Hirschhausen
摘要: 太阳能产消者，即配备光伏（PV）系统和电池存储的居民电力消费者，正在改变电力市场。他们在不同电价设计下与输电网络的相互作用尚未完全理解。我们探讨了不同定价制度对产消者投资和调度决策的影响及其对输电网络的后续影响。使用结合了两个开源调度、投资和电网模型的集成建模方法，我们模拟了德国电力市场在实时定价或时间不变定价以及区域或节点定价下的产消行为。我们的研究结果表明，区域定价有利于产消者投资，而时间不变定价则阻碍了投资。相比之下，区域太阳能可用性成为屋顶光伏投资的更大驱动因素。在我们的模型设置范围内，产消者策略对电网拥堵的影响有限，其中家用电池不能用于能源套利。
链接: http://arxiv.org/abs/2502.21306v1
标题: Tracks to Modernity: Railroads, Growth, and Social Movements in Denmark
作者: Tom Görges, Magnus Ørberg Rove, Paul Sharp, Christian Vedel
摘要: 交通基础设施如何塑造经济转型和社会变革？我们研究了19世纪丹麦铁路扩张对当地人口增长、职业转变和思想传播的影响。使用历史面板数据集和差异中的差异方法，我们记录了铁路接入显著增加了人口增长并加速了结构变化。此外，铁路连接地区更有可能建立与公民参与和合作运动相关的关键机构。这些发现表明，改善的市场准入不仅是经济现代化的驱动力，也是制度和文化变革的催化剂。
链接: http://arxiv.org/abs/2502.21141v1
标题: The amplifier effect of artificial agents in social contagion
作者: Eric Hitz, Mingmin Feng, Radu Tanase, René Algesheimer, Manuel S. Mariani
摘要: 人工智能的最新进展导致人工代理在社会环境中的激增，从教育到在线社交媒体和金融市场等。人工代理与人类代理的互动速度日益加快，这使得理解人机互动对社会中新思想、产品和行为传播的后果变得紧迫。在两个不同的实证背景下，我们发现人工代理显著加速和扩大了社会传染。为此，我们使用由大型语言模型（LLMs）驱动的人工代理复制了先前与人类受试者进行的选择实验。我们利用实验的结果来衡量人工代理的采用阈值及其对社会传染传播的影响。我们发现，人工代理往往表现出比人类更低的采用阈值，这导致了更广泛的基于网络的社会传染。我们的研究结果表明，人工代理在现实世界网络中的增加可能会加速行为转变，可能以不可预见的方式。
链接: http://arxiv.org/abs/2502.21037v1
标题: The Impact of Employee Education and Health on Firm-Level TFP in China
作者: Yuhan He
摘要: 本研究探讨了员工教育和健康对中国企业层面全要素生产率（TFP）的影响，使用了2007年至2022年A股上市公司的面板数据。分析表明，预期寿命和高等教育对TFP有显著影响。更优的健康状况可以通过减少缺勤和提高工作效率来增加生产率。同样，更高的教育水平可以支持技术适应、创新和管理效率。然而，健康与高等教育之间的相关性表明，对于受过高等教育的人来说，健康状况的进一步改善可能会带来生产率的递减回报。这些发现强调了实施全面政策以改善健康和教育的重要性，最大化它们对生产率的影响。本研究通过提供中国企业层面的实证证据，补充了现有研究。它还为希望提高经济增长和竞争力的政策制定者和商业领袖提供了实用见解。未来的研究应考虑更广泛的数据集、更全面的健康指标，并深入研究健康与教育关系中出现递减回报的机制。
链接: http://arxiv.org/abs/2503.00085v1
标题: Retrieval Augmented Generation for Topic Modeling in Organizational Research: An Introduction with Empirical Demonstration
作者: Gerion Spielberger, Florian Artinger, Jochen Reb, Rudolf Kerschreiter
摘要: 分析文本数据是定性研究的基石。虽然传统方法如扎根理论和内容分析被广泛使用，但它们劳动密集且耗时。主题建模提供了一种自动化的补充。然而，现有的方法，包括基于LLM的主题建模，仍然面临高数据预处理要求、可解释性和可靠性等问题。本文介绍了代理检索增强生成（Agentic RAG）作为一种使用LLM进行主题建模的方法。它集成了三个关键组件：（1）检索，使LLM能够访问其预训练知识之外的外部数据；（2）生成，利用LLM的文本合成能力；（3）代理驱动学习，迭代优化检索和查询制定过程。为了实证验证Agentic RAG在主题建模中的有效性，我们重新分析了Mu等人（2024a）之前研究的Twitter/X数据集。我们的研究结果表明，与标准机器学习方法以及LLM提示的主题建模相比，该方法更高效、可解释，同时实现了更高的可靠性和有效性。这些结果突显了Agentic RAG生成语义相关和可重复主题的能力，将其定位为领导力、管理和组织研究中AI驱动的定性研究的稳健、可扩展和透明的替代方案。
链接: http://arxiv.org/abs/2502.20963v1
标题: Location Characteristics of Conditional Selective Confidence Intervals via Polyhedral Methods
作者: Andreas Dzemski, Ryo Okui, Wenjie Wang
摘要: 我们研究了基于多面体方法的条件选择性置信区间的位置特性。该区间是根据统计显著性事件条件下的检验统计量的分布构建的。在单侧检验的情况下，区间的行为取决于参数是高度显著还是仅边际显著。当参数高度显著时，该区间类似于未考虑选择的通常置信区间。然而，当参数仅边际显著时，该区间落入极端范围，并显著偏离参数的估计值。相比之下，基于双侧显著性的区间不会产生极端结果，尽管它可能排除参数的估计值。
链接: http://arxiv.org/abs/2502.20917v1
标题: Structural breaks detection and variable selection in dynamic linear regression via the Iterative Fused LASSO in high dimension
作者: Angelo Milfont, Alvaro Veiga
摘要: 我们旨在开发一种针对高维环境的时间序列建模方法，解决两个关键挑战：从大量候选变量中进行变量选择，以及检测模型参数发生转变的结构性断点。这一努力集中在制定一个具有正则化约束的最小二乘估计问题，借鉴了Fused LASSO和AdaLASSO等技术，这些技术在机器学习中已得到广泛应用。我们的主要成就是创建了一种能够在实际时间限制内处理高维情况的高效算法。通过解决这些关键挑战，我们的方法具有广泛应用的潜力。为了验证其有效性，我们详细描述了迭代算法，并将其性能与广泛认可的广义LASSO路径算法进行了基准测试。全面的模拟和性能分析突出了该算法的优势。此外，我们通过模拟案例研究和涉及股票投资组合数据集的真实世界示例，展示了该方法的适用性和鲁棒性。这些示例突显了该方法在不同高维环境中的实际效用和潜在影响。
链接: http://arxiv.org/abs/2502.20816v1
标题: Natural Asset Beta
作者: Daniel Grainger
摘要: 自然资本核算对于衡量自然价值以决定如何在自然资源的生产性利用和保护之间进行权衡的努力至关重要。许多工作已经用于衡量自然与经济之间自然资源的相互物理存量和流动。然而，目前将自然资源的物理存量和流动转化为货币值的问题为估算机会成本以指导资源分配决策设置了障碍。本文报告的研究扩展了一个关于经济可持续性的理论模型，并推导出一个新的自然资产贝塔概念。与传统的企业资产贝塔概念类似，这为自然的企业财务概念提供了基础。估算自然资源交换价值的供需曲线是可能的。我们使用一个真实世界的数据集进行了初步的概念验证测试。结果显示有希望，但建议未来研究调查估计的敏感性。
链接: http://arxiv.org/abs/2502.20706v1
标题: BiHRNN -- Bi-Directional Hierarchical Recurrent Neural Network for Inflation Forecasting
作者: Maya Vilenko
摘要: 通货膨胀预测指导利率、投资和工资的决策，在经济稳定中起着关键作用。然而，由于动态因素和消费者价格指数（CPI）的分层结构（将商品和服务组织为多个类别），准确的预测具有挑战性。我们提出了双向分层循环神经网络（BiHRNN）模型，通过利用分层结构实现各级之间的双向信息流来解决这些挑战。对RNN参数的信息约束提高了所有级别的预测准确性，而不会导致统一模型的低效。我们通过在美国、加拿大和挪威的通货膨胀数据集上训练、调整超参数和实验各种损失函数，验证了BiHRNN的有效性。我们的结果表明，BiHRNN显著优于传统的RNN模型，其双向架构在提高预测准确性方面发挥了关键作用。
链接: http://arxiv.org/abs/2503.01893v1
标题: Economic Causal Inference Based on DML Framework: Python Implementation of Binary and Continuous Treatment Variables
作者: Shunxin Yao
摘要: 本研究利用模拟数据集，使用Anaconda的Jupyter Notebook和GitHub上的DML软件包，建立了双重机器学习（DML）的Python代码。研究重点是针对二元和连续处理变量的因果推断实验。研究结果表明，DML模型在计算平均处理效应（ATE）及其鲁棒性指标方面表现出相对稳定的性能。然而，研究也强调了条件平均处理效应（CATE）的计算仍然是未来DML建模的重大挑战，特别是在连续处理变量的背景下。这强调了需要进一步研究和开发以增强模型的适用性和准确性。
链接: http://arxiv.org/abs/2502.19898v1
标题: Semiparametric Triple Difference Estimators
作者: Sina Akbari, Negar Kiyavash, AmirEmad Ghassami
摘要: 三重差分因果推断框架是广为人知的双重差分框架的扩展。它通过利用来自辅助领域的数据，放松了双重差分框架的平行趋势假设。尽管在实证研究中广泛应用，三重差分框架在统计学文献中受到的关注相对有限。具体来说，探索该框架的识别细节以及设计稳健且高效的估计器在很大程度上仍未得到研究。本文旨在填补这些文献空白。从识别的角度来看，我们提出了结果回归和加权方法，以识别面板数据和重复横截面设置中处理组的平均处理效应。对于后者，我们放松了通常假设的时间不变协变量。从估计的角度来看，我们考虑了面板数据和重复横截面设置中三重差分框架的半参数估计器。我们证明了我们提出的估计器是双重稳健的。
链接: http://arxiv.org/abs/2502.19788v1
标题: Time-Varying Identification of Structural Vector Autoregressions
作者: Annika Camehl, Tomasz Woźniak
摘要: 我们提出了一种新的贝叶斯异方差马尔可夫切换结构向量自回归模型，具有数据驱动的时变识别。该模型在马尔可夫过程体制中选择不同的排除限制模式来识别结构冲击。我们通过对这些模式的多项先验分布来实现选择，这是对单个参数的“spike'n'slab”先验。通过将马尔可夫切换结构矩阵与遵循随机波动过程的异方差结构冲击相结合，该模型实现了在体制内通过时变波动性识别冲击。因此，排除限制变得过度识别，其选择由数据信号驱动。我们的实证应用表明，数据支持美国货币政策冲击识别中的时变。我们还验证了时变波动性在体制内识别货币政策冲击的能力。
链接: http://arxiv.org/abs/2502.19659v1
标题: Mass Shootings, Community Mobility, and the Relocation of Economic Activity
作者: Miguel Cuellar, Hyunseok Jung
摘要: 使用美国2018-2022年42起大规模枪击事件附近超过15万个兴趣点（POIs）的客流量数据，我们评估了这些悲剧事件对社区流动性和经济活动重新分配的空间时间影响。附近POIs的访问量减少，而较远的POIs客流量增加，这意味着社区将活动从枪击地点转移。当预期创伤反应更强时，影响更大。我们的结果表明，大规模枪击事件导致经济活动显著转移，并可能由于时间和地点的最优选择扭曲而导致福利损失。
链接: http://arxiv.org/abs/2502.19640v1
标题: Triple Difference Designs with Heterogeneous Treatment Effects
作者: Laura Caron
摘要: 三重差分设计在实证经济学中越来越受欢迎。三重差分设计的优势在于，在治疗组内，它允许另一个可能受治疗影响较小的亚组作为感兴趣亚组的对照组。虽然关于双重差分的文献讨论了治疗组和对照组之间或随时间变化的治疗效应异质性，但对亚组之间治疗效应异质性的影响关注较少。在本文中，我展示了通常的三重差分参数（即亚组之间处理组的平均治疗效应的差异）的解释可能受到这种异质性的影响。我提出了一个新的参数，即处理组的因果平均治疗效应差异，用于在亚组之间进行因果比较。我讨论了识别的假设，并推导了该参数的半参数效率边界。然后，我提出了双重稳健、高效的估计器。我使用模拟研究突出了这些估计器的有限样本性质，并展示了该参数与通常的三重差分参数之间的差异。一个实证应用展示了在实际应用中考虑治疗效应异质性的重要性。
链接: http://arxiv.org/abs/2502.19620v1
标题: Mobility and Mobility Measures
作者: Frank A. Cowell, Emmanuel Flachaire
摘要: 我们研究了流动性指标是否恰当地反映了个体状态的变化，如收入或排名。我们提出了流动性比较的三个基本原则，并表明许多常用的指数违反了一个或多个原则。这些原则用于描述两类具有自然分布分析解释的指标。第一类指标基于个体状态水平的幂函数求和，与广义熵和Kolm不平等指标相关。第二类指标基于个体状态变化的加权聚合，与（扩展的）基尼不平等指标相关。
链接: http://arxiv.org/abs/2502.19608v1
标题: Network effects and incumbent response to entry threats: empirical evidence from the airline industry
作者: Steve Lawford
摘要: 我研究了美国航空业中的在位企业如何应对西南航空公司的潜在和实际进入威胁。我使用双向固定效应和事件研究方法，以及1999-2022年的最新数据，识别了企业的价格和数量反应。我发现证据表明，在位企业在进入前（进入后）将票价降低了6-8%（16-18%），尽管进入前降低的显著性、模式和时间与Goolsbee和Syverson（2008）的早期结果有显著不同。在位企业在进入威胁确立前六个季度将运力增加了10-40%，进入后增加了27-46%。我的结果表明，企业的战略反应从价格转向数量的明显转变。我还研究了在位企业的网络结构对其进入前和进入后行为的影响。虽然价格结果不明确，但企业的进入后运力反应强烈依赖于其全球网络结构以及航线的本地重要性（中心性）。
链接: http://arxiv.org/abs/2502.20418v1
标题: Empirical likelihood approach for high-dimensional moment restrictions with dependent data
作者: Jinyuan Chang, Qiao Hu, Zhentao Shi, Jia Zhang
摘要: 经济和金融模型——如向量自回归、局部预测和多变量波动率模型——具有许多时间序列之间的复杂动态相互作用和溢出效应。这些模型可以整合到一个统一的框架中，通过矩条件识别高维参数。由于参数和矩条件的数量可能超过样本量，我们建议在经验似然准则中添加双重惩罚以诱导稀疏性并促进降维。值得注意的是，尽管数据存在时间依赖性，我们仍使用边际经验似然方法。在正则条件下，我们为该方法提供了渐近保证，使其成为估计大规模多变量时间序列模型的有吸引力的选择。我们通过广泛的蒙特卡洛模拟和三个实证应用（包括美国部门通胀率、财政乘数和中国银行业波动溢出的分析）展示了我们方法的多样性。
链接: http://arxiv.org/abs/2502.18970v2
标题: Measuring trade costs and analyzing the determinants of trade growth between Cambodia and major trading partners: 1993 to 2019
作者: Borin Keo, Bin Li, Waqas Younis
摘要: 高贸易成本对贸易自由化进程构成了重大障碍。本研究旨在衡量贸易成本，并探讨1993年至2019年柬埔寨与其前30大贸易伙伴之间双边贸易增长的驱动力。使用从引力模型得出的微观贸易成本度量，我们发现柬埔寨的平均贸易成本在1993年至2019年间下降了35.43%。尽管柬埔寨于2004年加入世界贸易组织（WTO），但平均贸易成本在2014年之前一直波动。此后，这些成本下降得更快。柬埔寨与东南亚和东亚主要贸易伙伴的双边贸易成本低于与南亚、大洋洲、欧洲和北美贸易伙伴的成本。柬埔寨与发展中和新兴经济体的平均贸易成本低于与发达经济体的成本。2014年至2019年间，柬埔寨与“一带一路”倡议（BRI）沿线贸易伙伴的平均贸易成本显著下降了34.78%，是非BRI贸易伙伴的两倍。关于贸易增长的分解，我们发现柬埔寨贸易在1993年至2019年期间的扩张由三个因素驱动：收入增长（59.65%）、贸易成本下降（56.69%）和多边阻力下降（-16.34%）。本研究的结果对更好地理解柬埔寨过去二十年全球贸易一体化的发展过程具有重要意义。我们的结果表明，柬埔寨可以通过专注于与具有高经济增长潜力的贸易伙伴以及贸易成本大幅下降的贸易伙伴的关系来优化其贸易扩张潜力。
链接: http://arxiv.org/abs/2502.18916v1
标题: Can Large Language Models Extract Customer Needs as well as Professional Analysts?
作者: Artem Timoshenko, Chengfeng Mao, John R. Hauser
摘要: 识别客户需求（CNs）对于产品管理、产品开发和营销非常重要。应用依赖于专业分析师解释文本数据（如访谈记录、在线评论）以理解客户体验的细微差别并简洁地制定“待完成的工作”。这项任务在认知上复杂且耗时。当前实践通过关键词搜索和机器学习促进这一过程，但依赖人类判断来制定CNs。我们研究了大型语言模型（LLMs）是否可以自动提取CNs。由于评估CNs需要专业判断，我们与一家营销咨询公司合作，对由以下三种方法提取的CNs进行了盲法研究：（1）仅通过提示工程的基础LLM（Base LLM），（2）使用专业识别的CNs进行微调的LLM（SFT LLM），以及（3）专业分析师。SFT LLM在提取CNs方面表现与专业分析师相当或更好。提取的CNs表述良好，足够具体以识别机会，并由源内容证明（无幻觉）。SFT LLM高效且提供了更全面的CNs覆盖。Base LLM在准确性和特异性方面不足。组织可以依赖SFT LLM减少手动工作，提高CN表述的精确性，并为创新和营销战略提供改进的洞察力。
链接: http://arxiv.org/abs/2503.01870v1
标题: The effect of minimum wages on employment in the presence of productivity fluctuations
作者: Asahi Sato
摘要: 传统上，最低工资对就业的影响已被研究，通常认为其具有负面影响。然而，一些近期研究表明，最低工资对就业的影响有时可能是正面的。此外，某些最近的提案设定了比一些高生产率工人所挣工资更高的最低工资。然而，最低工资对就业的影响主要针对低技能工人，而对高技能工人的研究有限。为了填补这一空白并研究最低工资对高生产率工人就业的影响，我构建了一个包含生产率波动、不完全市场、定向搜索和在岗搜索的宏观经济模型，并比较了基线模型与最低工资模型的稳态分布。结果表明，具有约束力的最低工资增加了低生产率和高生产率工人的失业率。
链接: http://arxiv.org/abs/2502.18261v2
标题: Enhancing External Validity of Experiments with Ongoing Sampling
作者: Chen Wang, Shichao Han, Shan Huang
摘要: 在线实验的参与者通常随时间推移注册，这可能会由于协变量的时间变化而影响样本的代表性。这一问题在A/B测试（广泛用于评估产品更新的在线对照实验）中尤为关键，因为这些测试成本敏感且通常持续时间较短。我们提出了一个新颖的框架，通过将正在进行的采样过程分为三个阶段，动态评估样本的代表性。然后，我们开发了特定阶段的估计器，用于人口平均处理效应（PATE），确保实验结果在不同实验持续时间下仍具有普遍性。利用生存分析，我们开发了一个启发式函数，在不需要了解人口或样本特征的情况下识别这些阶段，从而保持较低的实施成本。我们的方法弥合了实验结果与现实世界适用性之间的差距，使产品决策能够基于准确代表更广泛目标人群的证据。我们在三个层面上验证了该框架的有效性：（1）通过在微信上进行的真实世界在线实验；（2）通过合成实验；（3）通过在微信上进行的600次A/B测试的平台级应用。此外，我们为从业者提供了在实际环境中实施我们方法的实用指南。
链接: http://arxiv.org/abs/2502.18253v1
标题: Minimum Distance Estimation of Quantile Panel Data Models
作者: Blaise Melly, Martina Pons
摘要: 我们提出了一种最小距离估计方法，用于单位效应可能与协变量相关的分位数面板数据模型。这种计算高效的方法包括两个阶段：首先，在每个单位内计算分位数回归，然后对第一阶段的拟合值应用GMM。我们的估计器适用于（i）经典面板数据，跟踪单位随时间的变化，以及（ii）分组数据，其中个体级别数据可用，但处理在组级别变化。根据外生性假设，该方法提供了经典面板数据估计器的分位数类比，包括固定效应、随机效应、介于和Hausman-Taylor估计器。此外，与现有估计器相比，我们的方法在分组（工具变量）分位数回归中提供了更高的精度。我们建立了随着单位数量和每个单位观察值数量联合趋于无穷大的渐近性质。此外，我们引入了一种推断程序，自动适应估计器可能未知的收敛速度。蒙特卡洛模拟表明，我们的估计器和推断程序在有限样本中表现良好，即使每个单位的观察值数量适中。在一个实证应用中，我们研究了食品券计划对出生体重的影响。我们发现，该计划的引入主要增加了分布低端的出生体重，突显了我们方法捕捉结果分布异质性效应的能力。
链接: http://arxiv.org/abs/2502.18242v1
标题: Measure of Morality: A Mathematical Theory of Egalitarian Ethics
作者: Shuang Wei
摘要: 本文通过整合经济学和数学的形式工具，发展了平等主义伦理的严格数学框架。我们通过构建诸如电车难题的概率变体和不平等分布的比较等示例，探讨了传统非正式方法的局限性。我们的正式模型基于经典福利经济学，同时考虑了总效用和结果的分布。分析揭示了传统统计指标的不足，并建立了秩加权方法的不可能性定理。我们推导了表征关键不平等度量（包括基尼系数和广义Atkinson指数）的表示定理，为规范哲学提供了连贯的公理化基础。
链接: http://arxiv.org/abs/2503.00039v1
标题: Exactly solvable model of the square-root price impact dynamics under the long-range market-order correlation
作者: Yuki Sato, Kiyoshi Kanazawa
摘要: 在经济学物理学中，有两个神秘的实证规律：（i）由于机构交易者的订单分割行为，市场订单流具有强且可预测的持久性（称为长程订单符号相关性 Cτ∝τ−α−1，其中 1<α<2），这被很好地表述为Lillo-Mike-Farmer模型。这一现象似乎与扩散和不可预测的价格动态相矛盾。（ii）大型元订单 Q 的价格影响 I(Q) 具有强烈的非线性，称为平方根定律，I(Q)∝ Q。在本信中，我们提出了一个统一这两个实证规律的价格影响动态的精确可解模型。我们自然地将Lillo-Mike-Farmer模型推广到非线性价格影响动态：假设所有交易者都是订单分割者，他们的价格影响遵循非线性标度 I(Q)∝Qδ。该模型被映射到具有非线性行走速度的精确可解Lévy-walk模型。我们的精确解表明，即使存在订单分割者，价格动态在 δ=1/2 时总是扩散的。我们的结果表明，平方根定律在存在订单分割者的情况下，在缓解大价格波动中起着关键作用，从而在长时间尺度上导致正常的扩散价格动态，这与有效市场假说一致。
链接: http://arxiv.org/abs/2502.17906v1
标题: Certified Decisions
作者: Isaiah Andrews, Jiafeng Chen
摘要: 假设检验和置信区间在实证研究中无处不在，但它们与后续决策的联系往往不明确。我们开发了一种认证决策理论，将推荐决策与推断保证配对。具体来说，我们将P证书（以至少 1−α 的概率成立的上界损失）附加到推荐行动上。我们表明，这种证书允许“安全”的风险控制采用决策，适用于厌恶模糊性的下游决策者。我们进一步证明，将注意力限制在由置信集上的极小极大决策产生的P证书是没有损失的，或者正如Manski（2021）所称的“带有集合估计的假设决策”。类似的论点适用于从具有无界损失的设置中的e值获得的E认证决策。
链接: http://arxiv.org/abs/2502.17830v1
标题: Escaping the Subprime Trap in Algorithmic Lending
作者: Adam Bouyamourn, Alexander Williams Tolbert
摘要: 即使算法借贷实践激增，对少数族裔申请人的贷款差异仍然存在。此外，即使来自不同群体的贷款申请人同样具有信用价值，收取的利率差异仍然可能很大。我们研究了风险管理约束（特别是风险价值（VaR）约束）在贷款批准决策中持续隔离的作用。我们开发了一个正式模型，其中主流（低利率）银行比次级（高利率）银行对方差风险更敏感。如果主流银行对少数族裔群体的方差有夸大的先验信念，它可能会无限期地拒绝该群体的信贷，从而永远无法了解向该群体贷款的真实风险，而次级贷款机构则以更高的利率为该群体服务。我们将此形式化为“次级陷阱”均衡。最后，我们表明，一个小的有限补贴（或部分担保）可以帮助少数族裔群体通过覆盖主流银行足够多的下行风险来摆脱陷阱，使其能够贷款并了解少数族裔群体的真实风险。一旦它拥有足够多的数据点，它将在没有进一步援助的情况下满足其VaR要求，少数族裔群体将被主流银行批准贷款，竞争将压低次级贷款机构的利率。
链接: http://arxiv.org/abs/2502.17816v1
标题: Optimal Salaries of Researchers with Motivational Emergence
作者: Eldar Knar
摘要: 在科学政策和科学管理的背景下，本研究考察了研究人员的非均匀工资分配系统。开发了一个考虑科学活动关键和附加方面（基本资格、研究生产力、合作项目、技能提升、荣誉和国际合作）的科研人员最优报酬的非线性数学模型。与传统的线性方案不同，该提议的方法基于指数和对数依赖关系，允许考虑饱和效应，并防止由于科学生产力指标的机械增加而导致的人为工资增长。
该研究包括最优、最低和最高工资的详细计算，展示了基于研究人员生产力的公平报酬分配。出版物活动或资助资金的线性增长不应导致不受控制的工资增长，从而避免动机系统中的扭曲。本研究的结果可用于改革和现代化哈萨克斯坦及其他国家的研究人员工资系统，以及优化基于资助的科学资助机制。所提出的方法促进了科学动机、长期生产力和研究的国际化，同时也促进了自我实现，并最终为研究界形成了一个适当和真实的奖励系统。
具体而言，在资源有限的科学系统中，科学政策应侧重于个别研究人员的质量发展，而不是数量扩张（例如增加科学家数量）。这可以通过他们的动机和自我实现的生产性进展来实现。
链接: http://arxiv.org/abs/2502.17271v1
标题: Real-time Monitoring of Economic Shocks using Company Websites
作者: Michael Koenig, Jakob Rauch, Martin Woerter
摘要: 了解经济冲击对企业的影响对于分析经济增长和韧性至关重要。我们引入了基于网络的受影响指标（WAI），这是一个用于实时监测各种背景下经济中断的通用工具。通过利用大型语言模型（LLM）辅助的分类和信息提取，对来自超过五百万个公司网站的文本进行分析，WAI量化了企业对外部冲击的反应程度和性质。以COVID-19大流行为具体应用，我们表明WAI与大流行遏制措施高度相关，并可靠地预测了企业绩效。与传统数据源不同，WAI提供了跨行业和全球地理的及时企业级别信息，这些信息由于制度和数据可用性限制而无法获得。该方法在监测和缓解技术、政治、金融、健康或环境危机的影响方面具有显著潜力，并代表了适应性政策制定和经济韧性的变革性工具。
链接: http://arxiv.org/abs/2502.17161v1
标题: Determinants of the Spousal Age Gap in India: Analysis of Indian Microdata
作者: Praveen, Suddhasil Siddhanta, Anoshua Chaudhuri
摘要: 本研究利用第61轮和第68轮全国抽样调查（NSSO）的数据，考察了印度配偶年龄差距（SAG）的决定因素。我们采用回归分析，包括工具变量，以解决选择偏差并考虑不可观察因素。我们假设教育匹配与SAG之间存在倒U型关系，即在丈夫教育水平保持在毕业水平时，随着妻子教育水平从小学到研究生增加，SAG先扩大后缩小。这种模式由农村和城市环境中不同的社会经济因素塑造。在印度农村，日益繁荣、家庭结构的变化和教育高攀导致年龄差距扩大，新娘挤压的影响进一步加剧了这种差异。相反，在城市地区，虽然白领工作的增长在2004-05年有助于缩小SAG，但这一趋势在2011-12年并未持续。具体而言，收入对SAG的影响变得非线性，在第7个收入分位数后显示出下降趋势，反映了女性有限的婚姻流动性机会，并暗示了城市上层阶级婚姻制度可能面临的威胁。据我们所知，这是第一项提供关于特定社会、经济和文化动态如何影响印度社会配偶年龄差距的实证研究。这种日益增长和持续的配偶年龄差距对妇女待遇、权力动态
标题: A data-driven econo-financial stress-testing framework to estimate the effect of supply chain networks on financial systemic risk
作者: Jan Fialkowski, Christian Diem, András Borsos, Stefan Thurner
摘要: 供应链中断是金融稳定中常被低估的风险。与金融网络类似，当一家公司的局部故障影响其他公司的生产并可能引发波及经济大部分领域的连锁中断时，生产网络中的系统性风险就会产生。本文研究了生产网络中的系统性风险如何通过供应链传染导致银行与企业贷款违约相关，从而转化为金融系统性风险。我们提出了一种适用于微观和宏观审慎应用的金融压力测试框架，该框架结合了国家企业级供应链网络和银行间网络层。该模型通过使用一个独特的数据集进行校准，该数据集包括一个小型欧洲经济体中约100万条企业级供应链链接、几乎所有银行与企业贷款以及所有银行间贷款。作为展示，我们在企业层面实施了一个真实的COVID-19冲击场景。该模型使我们能够研究实体经济中的中断动态如何导致银行间偿付能力传染动态。我们估计了这种动态在多大程度上放大了金融系统性风险。我们讨论了这些传染通道的相对重要性，并发现当生产网络传染存在时，银行间传染增加了70%。随后，我们研究了企业给银行带来的金融系统性风险，并发现当银行间传染通道存在时，风险增加了最多28%。该框架是第一个考虑生产网络代理动态和实体经济冲击的金融系统性风险模型，为直接且事件驱动地理解实体经济与金融系统之间的动态互动开辟了路径。
链接: http://arxiv.org/abs/2502.17044v1
标题: A Multi-LLM-Agent-Based Framework for Economic and Public Policy Analysis
作者: Yuzhi Hao, Danyang Xie
摘要: 本文通过利用多个大型语言模型（LLMs）作为异质人工经济代理，开创了一种经济与公共政策分析的新方法。我们首先评估了五个LLMs在两种不同场景下解决两期消费分配问题的经济决策能力：一种场景基于显式效用函数，另一种基于直观推理。虽然之前的研究通常仅通过改变提示来模拟异质性，但我们的方法利用了不同LLMs之间分析能力的固有差异，以建模具有不同认知特征的代理。基于这些发现，我们构建了一个多LLM代理（MLAB）框架，将这些LLMs映射到特定的教育群体和相应的收入阶层。以利息所得税为案例研究，我们展示了MLAB框架如何模拟政策对异质代理的影响，为利用LLMs的类人推理能力和计算能力进行经济与公共政策分析提供了一个有前景的新方向。
链接: http://arxiv.org/abs/2502.16879v1
标题: Grounded Persuasive Language Generation for Automated Marketing
作者: Jibang Wu, Chenghao Yang, Simon Mahns, Chaoqi Wang, Hao Zhu, Fei Fang, Haifeng Xu
摘要: 本文开发了一种基于大型语言模型（LLMs）的代理框架，用于自动生成有说服力且基于事实的营销内容，以房地产列表描述为应用领域。我们的方法旨在使生成的内容与用户偏好一致，同时突出有用的实际属性。该代理由三个关键模块组成：（1）基础模块，模仿专家行为以预测市场化特征；（2）个性化模块，使内容与用户偏好一致；（3）营销模块，确保事实准确性并包含本地化特征。我们在房地产营销领域进行了系统性的人类主体实验，重点关注潜在购房者群体。结果表明，由我们方法生成的营销描述明显优于人类专家撰写的描述。我们的研究结果表明，基于LLM的代理框架在自动化大规模定向营销方面具有潜力，同时确保仅基于事实的负责任生成。
链接: http://arxiv.org/abs/2502.16810v1
标题: Bounded Foresight Equilibrium in Large Dynamic Economies with Heterogeneous Agents and Aggregate Shocks
作者: Bilal Islah, Bar Light
摘要: 具有异质代理和总体冲击的大型动态经济是许多重要应用的核心，但其均衡分析仍然具有计算挑战性。这是因为标准的解决方法——理性预期均衡要求代理预测状态变量的完整横截面分布的演变，导致了极高的维度诅咒。在本文中，我们引入了一种新的均衡概念，即N-有限远见均衡（N-BFE），并在温和条件下证明了其存在性。在N-BFE中，代理在无限时间范围内优化，但仅对未来N个时期的关键经济变量形成预期。超过这一时间范围，他们假设经济变量保持不变，并使用预定的延续值。这一均衡概念降低了计算复杂性，并与强化学习中的前瞻性策略直接对应，其中代理进行近期计算，同时依赖超出计算可行范围的近似估值。同时，它降低了对代理的认知要求，同时通过纳入时间不一致性和有限注意力更好地与行为文献保持一致，同时保留了所需的前瞻性行为，并确保代理仍能对政策变化作出反应。重要的是，在N-BFE均衡中，预测误差内生地产生。我们测量了不同远见时间范围的远见误差，并表明远见显著影响了内生均衡变量的变化，将我们的发现与传统风险厌恶或预防性储蓄渠道区分开来。这种变化源于个体决策与均衡变量之间的反馈机制，其中增加的远见导致代理决策以及经济变量的更大非平稳性。
链接: http://arxiv.org/abs/2502.16536v1
标题: The Endurance of Identity-Based Voting: Evidence from the United States and Comparative Democracies
作者: Venkat Ram Reddy Ganuthula, Krishna Kumar Balaraman
摘要: 本研究证明了基于身份的投票在民主系统中的持久主导地位，以美国为主要案例，并以其他19个民主国家的比较分析作为反事实。我们仅利用Roper中心的选举数据（从1976年到最近的选举周期），采用OLS回归、ANOVA和相关检验，表明种族仍然是美国党派归属的最强预测因素（p < 0.001），白人选民倾向于共和党，而黑人选民则始终支持民主党（自1988年以来为85%）。收入、教育程度和性别（例如2020年10个百分点的差距）进一步塑造了投票模式，但种族身份占据主导地位。来自多数制（如印度）、比例制（如德国至2025年）和混合制（如韩国，性别差距为25个百分点）系统的比较证据表明，没有任何一个民主国家的基于议题的投票完全取代了基于身份的投票。数字化动员在全球范围内放大了这一趋势。这些发现强调了身份在选举行为中的持久作用，挑战了政策驱动民主选择的假设。
链接: http://arxiv.org/abs/2502.16524v2
标题: De facto Openness to Immigration
作者: Ljubica Nedelkoska, Diego Martin, Alexia Lochmann, Ricardo Hausmann, Dany Bahar, Muhammed A. Yildirim
摘要: 影响某些国家比其他国家更开放移民的因素多种多样，政策只是其中之一。我们设计了国家特定的移民开放度指标，旨在捕捉事实上的移民开放水平，补充现有的基于移民法律和政策措施的法定移民开放度指标。我们为148个国家和三个年份（2000年、2010年和2020年）估计了这些指标。对于一部分国家，我们还区分了对受过高等教育的移民和未受过高等教育的移民的开放度。使用这些指标，我们表明当今世界大多数地方对移民是封闭的，而少数地区非常开放。世界在21世纪的头十年变得更加开放，这种开放主要由西方国家和海湾国家推动。此外，我们表明，在其他因素相同的情况下，增加移民开放度的国家减少了老年抚养比，并经历了较慢的实际工资增长，这可能是劳动力短缺和技能短缺缓解的标志。
链接: http://arxiv.org/abs/2502.16407v1
标题: Conditional Triple Difference-in-Differences
作者: Dor Leventer
摘要: 三重差分（TDID）设计在实证研究中被广泛用于估计因果效应。在实践中，大多数实现依赖于带有控制变量的规范。然而，我们表明这种方法由于组间协变量分布的差异而引入了偏差。为了解决这个问题，我们提出了一种重新加权的估计器，通过对齐组间协变量分布来正确识别感兴趣的因果估计量。为了估计，我们开发了一种双重稳健的方法。提供了一个R包供一般使用。
链接: http://arxiv.org/abs/2502.16126v2
标题: Binary Outcome Models with Extreme Covariates: Estimation and Prediction
作者: Laura Liu, Yulong Wang
摘要: 本文提出了一种新的半参数方法，用于研究极端事件对二元结果的影响，并随后预测未来结果。我们的方法基于贝叶斯定理和正则变化（RV）函数，促进了尾部的帕累托近似，而无需对尾部施加参数假设。我们分析了横截面以及静态和动态面板数据模型，纳入了额外的协变量，并适应了面板数据中未观察到的单位特定尾部厚度和RV函数。我们建立了尾部估计量的一致性和渐近正态性，并表明我们的目标函数收敛于尾部观测值上的面板Logit回归的目标函数，以对数极端协变量作为回归变量，从而简化了实现。实证应用评估了当地房价急剧下跌时小银行是否变得更具风险，这是2007-2008年金融危机中的一个关键渠道。
链接: http://arxiv.org/abs/2502.16041v1
标题: Sticky information and price controls: Evidence from a natural experiment
作者: Doron Sayag, Avichai Snir, Daniel Levy
摘要: 我们使用一个调查数据集测试了粘性信息模型的预测，通过比较购物者对受管制和未受管制产品价格的准确回忆。由于受管制产品的价格被限制，它们的销售频率高于未受管制产品，而其价格变化频率和跨商店、品牌之间的差异小于未受管制产品。因此，预计购物者会更准确地回忆受管制产品的价格。然而，我们发现购物者更擅长回忆未受管制产品的价格，这与粘性信息模型一致，该模型预测购物者会更关注变化更频繁的价格。
链接: http://arxiv.org/abs/2502.15974v1
标题: Excertos da Historia Keynesiana
作者: Gustavo Lima Moura
摘要: 本文通过分析描述第一次世界大战后凯恩斯理论的贡献，通过对指定书目来源的概要阅读，将凯恩斯理论置于其历史和哲学背景中。讨论涵盖了其理论的主要概念。本文的目的是通过文章中的摘录，简要地背景化约翰·梅纳德·凯恩斯经济思想的起源。
链接: http://arxiv.org/abs/2502.20413v1
标题: Blockchain innovation in promoting employment
作者: David Lee Kuo Chuen, Yang Li
摘要: 区块链技术虽然在20世纪90年代初期被概念化，但直到2009年比特币推出后才获得实际意义。最近的进展展示了其变革潜力，特别是在数字艺术和全球支付领域。非同质化代币（NFTs）重新定义了数字所有权，而金融机构使用区块链来增强跨境交易，降低成本并缩短结算时间。使用Diamond-Mortensen-Pissarides（DMP）模型，本文通过提高工作匹配效率来研究区块链对劳动力市场的影响，从而减少失业。然而，高研究成本与现有技术的竞争阻碍了区块链的早期采用。我们扩展了DMP模型，通过税收和工资政策分析政府干预在缓解这些障碍中的作用。我们的研究结果表明，降低企业税率可以加速区块链创新，提高劳动力市场效率，并促进就业增长，突出了技术进步与经济政策在推动区块链驱动的经济转型中的关键平衡。
链接: http://arxiv.org/abs/2502.15549v1
标题: Clustered Network Connectedness: A New Measurement Framework with Application to Global Equity Markets
作者: Bastien Buchwalter, Francis X. Diebold, Kamil Yilmaz
摘要: 网络连接，无论是跨市场还是市场内部，在无数经济背景下都是核心。近几十年来，基于向量自回归（VARs）的方差分解，开发并应用了灵活的方法来测量网络连接及其演变，如Diebold和Yilmaz（2014）所述。然而，这些VARs通常使用完全正交化（Sims，1980）或非正交化（Koop，Pesaran和Potter，1996；Pesaran和Shin，1998）进行识别，尽管有用，但这些都是更一般框架的特殊和极端情况，我们在本文中开发了这一框架。特别是，我们允许网络节点以“集群”形式连接，如资产类别、行业、地区等，其中冲击在集群之间是正交的（Sims风格的正交化识别），但在集群内部是相关的（Koop-Pesaran-Potter-Shin风格的广义识别），因此网络节点的排序在集群之间是相关的，但在集群内部是无关的。在开发了集群连接框架后，我们将其应用于跨越三个全球区域的16个国家股票市场的详细实证探索中。
链接: http://arxiv.org/abs/2502.15458v1
标题: A Supervised Screening and Regularized Factor-Based Method for Time Series Forecasting
作者: Sihan Tu, Zhaoxing Gao
摘要: 使用主成分分析（PCA）的因子预测是一种有效的机器学习工具，用于降维，在统计学、经济学和金融学中有许多应用。本文介绍了一种监督筛选和正则化因子（SSRF）框架，通过结构化的四步程序系统地处理高维预测变量集，集成了静态和动态预测机制。静态方法通过边际相关筛选选择预测变量，并使用单变量预测斜率进行缩放，而动态方法则基于包含滞后预测变量的时间序列回归进行筛选和缩放。PCA然后从缩放的预测变量中提取潜在因子，随后通过LASSO正则化来优化预测准确性。在模拟研究中，我们验证了SSRF的有效性，并确定了其在高维数据环境中的参数调整策略。对中国宏观经济指数的实证分析表明，SSRF方法在样本外预测中通常优于几种常用的预测技术。
链接: http://arxiv.org/abs/2502.15275v1
标题: Algorithmic Collusion under Observed Demand Shocks
作者: Zexin Ye
摘要: 当当前需求冲击可观察时，在高折扣因子下，Q-learning代理主要学习实施对称刚性定价，即在需求状态下收取恒定价格。在这种定价模式下，仍然可以获得超竞争利润，并通过有效惩罚偏离的合谋策略维持。这表明Q-learning代理可以成功克服在正需求冲击期间更强的偏离动机，因此算法合谋在观察到的需求冲击下持续存在。相比之下，在中等折扣因子下，Q-learning代理学习到在正需求冲击期间维持高价格并不具有激励相容性，而是主动降低价格以减少偏离的诱惑，同时在负需求冲击期间保持相对较高的价格。因此，反周期定价模式成为主导，与Rotemberg和Saloner（1986）的理论预测一致。这些发现突显了Q-learning算法如何适应复杂的市场条件，既调整定价策略又发展隐性合谋。
链接: http://arxiv.org/abs/2502.15084v1
标题: Modifying Final Splits of Classification Tree for Fine-tuning Subpopulation Target in Policy Making
作者: Lei Bill Wang, Zhenbang Jiao, Fangyi Wang
摘要: 政策制定者通常使用分类与回归树（CART）根据二元结果划分人群，并针对二元事件概率超过阈值的子群体。然而，经典的CART和其学生模型为CART的知识蒸馏方法（称为KD-CART）并未最小化与这些二元事件潜在概率分类相关的误分类风险。为了减少误分类风险，我们提出了两种方法：惩罚性最终分割（PFS）和最大化距离最终分割（MDFS）。PFS在标准CART分割准则函数中引入了可调惩罚。MDFS最大化节点均值与阈值之间的加权距离和。在唯一相交潜在概率假设下，它可以点识别最优分割。此外，我们开发了MDFS分割规则估计的理论结果，其渐近风险为零。通过广泛的模拟研究，我们证明这些方法在误分类错误方面主要优于经典CART和KD-CART。此外，在我们的实证评估中，这些方法提供了比两种基线方法更深入的洞察。
链接: http://arxiv.org/abs/2502.15072v1
标题: biastest: Testing parameter equality across different models in Stata
作者: Hasraddin Guliyev
摘要: Stata中的biastest命令是一个强大且用户友好的工具，旨在比较不同回归模型的系数，使研究人员能够评估其实证发现的稳健性和一致性。该命令特别适用于评估替代建模方法，如普通最小二乘法与稳健回归、稳健回归与中位数回归、不同分位数的分位数回归以及面板数据分析中的固定效应与随机效应模型。通过提供变量特定和联合测试，biastest命令为检测模型估计中的偏差或显著差异提供了一个全面的框架，确保研究人员能够就模型选择和解释做出明智的决策。
链接: http://arxiv.org/abs/2502.15049v1
标题: Accelerating Equity: Overcoming the Gender Gap in VC Funding
作者: Chuan Chen, Michele Fioretti, Junnan He, Yanrong Jia
摘要: 我们研究了风险投资中日益增长的性别差距，重点关注美国的加速器项目。我们收集了一个独特的数据集，包含加速器和初创公司的详细信息。使用两阶段方法，我们首先估计了初创公司与加速器之间的匹配模型，然后使用其输出来通过控制函数方法分析毕业后的性别差距。我们的结果表明，女性创办的初创公司面临显著的融资劣势，主要归因于与家庭义务相关的搬迁挑战。然而，更大的群体和更高质量的加速器通过为女性创始人提供更好的网络机会和指导，有助于缩小这一差距。
链接: http://arxiv.org/abs/2502.14984v1
标题: Secondary materials, Pigouvian taxes, and a monopsony
作者: Timo Kuosmanen, Xun Zhou
摘要: 二次材料为企业提供了将排放物转化为可销售商品的有前景的机会，符合循环经济原则。本文研究了在什么条件下引入二次材料市场可以完全替代庇古排放税。这些条件被证明是高度限制性的：除非二次材料价格立即达到不切实际的高水平，否则正标题: Secondary materials, Pigouvian taxes, and a monopsony
作者: Timo Kuosmanen, Xun Zhou
摘要: 二次材料为企业提供了将排放物转化为可销售商品的有前景的机会，符合循环经济原则。本文研究了在什么条件下引入二次材料市场可以完全替代庇古排放税。这些条件被证明是高度限制性的：除非二次材料价格立即达到不切实际的高水平，否则正的庇古排放税仍然是必要的。我们提出，社会最优的预算中性政策是对二次材料价格进行补贴，同时对未控制的排放征税。此外，我们将分析扩展到双企业框架，其中一个数据中心向作为垄断买方的区域供热公司供应余热。这一扩展明确了对余热的需求，并探讨了在没有竞争市场的情况下，补贴和排放税如何使企业激励与社会最优保持一致。
链接: http://arxiv.org/abs/2502.14636v1
标题: Stories that (are) Move(d by) Markets: A Causal Exploration of Market Shocks and Semantic Shifts across Different Partisan Groups
作者: Felix Drinkall, Stefan Zohren, Michael McMahon, Janet B. Pierrehumbert
摘要: 宏观经济波动及其塑造的叙事形成了一个相互强化的循环：公共话语可能引发行为变化，导致经济波动，进而影响传播的故事。我们表明，语义嵌入空间的变化可以与金融市场冲击——即与预期市场行为的偏离——因果关联。此外，我们展示了党派如何影响文本对市场波动的预测能力，并塑造对相同冲击的反应。我们还提供了一些证据，表明基于文本的信号在诸如COVID-19等意外事件期间特别显著，突出了语言数据作为经济预测中外生变量的价值。我们的发现强调了新闻媒体与市场冲击之间的双向关系，为研究它们相互影响提供了一种新颖的实证方法。
链接: http://arxiv.org/abs/2502.14497v1
标题: SOE's ESG Performance on Financial Flexibility: The Evidence from the Hong Kong Stock Market
作者: Yan Li
摘要: 随着全球经济环境日益不稳定，增强财务灵活性以应对风险已成为许多企业的共识。与此同时，环境、社会和治理（ESG）表现可能是有效途径之一。我们以2018年至2022年香港股票市场上市公司的样本，研究了企业ESG表现对其财务灵活性的影响。实证结果表明，良好的环境、社会和治理表现可以显著提高企业的财务灵活性。此外，本文还发现，由于治理结构和市场特征的影响，ESG表现对国有企业财务灵活性的影响较弱。最后，进一步分析表明，融资约束在这一过程中起到了中介作用。本研究可以为国有企业治理、信息披露和公司运营提供背景信息，同时也对相关投资者、管理层和官员具有指导意义。
链接: http://arxiv.org/abs/2502.14261v1
标题: Community Bank Establishment and Consumption Growth: Evidence from Panel Study of Income Dynamics in USA
作者: Yan Li
摘要: 消费是经济增长的主要来源和贫困的关键指标。社区银行的建立可以提供信贷资源，释放家庭消费潜力，并在经济发展中发挥关键作用。本研究利用1980年至1990年11波次的收入动态面板研究（PSID）数据，通过构建时变双重差分（DID）固定效应模型，探讨了社区银行在促进消费中的作用。研究结果表明，社区银行的建立有效刺激了当地家庭消费的增长，主要是通过增加家庭收入和减少预防性储蓄实现的。因此，政府和金融机构应进一步推动区域金融机构和信贷工具的发展，以促进经济增长。
链接: http://arxiv.org/abs/2502.14257v1
标题: Gradients can train reward models: An Empirical Risk Minimization Approach for Offline Inverse RL and Dynamic Discrete Choice Model
作者: Enoch H. Kang, Hema Yoganarasimhan, Lalit Jain
摘要: 我们研究了估计动态离散选择（DDC）模型的问题，也称为机器学习中的离线最大熵正则化逆强化学习（离线MaxEnt-IRL）。目标是从离线行为数据中恢复控制代理行为的奖励或Q
∗
函数。在本文中，我们提出了一种基于梯度的全局收敛方法，用于解决这些问题，而无需线性参数化奖励的限制性假设。我们方法的创新之处在于引入了基于经验风险最小化（ERM）的IRL/DDC框架，避免了在贝尔曼方程中显式估计状态转移概率的需要。此外，我们的方法与神经网络等非参数估计技术兼容。因此，该方法具有扩展到高维、无限状态空间的潜力。我们方法的一个关键理论见解是，贝尔曼残差满足Polyak-Lojasiewicz（PL）条件——这一性质虽然弱于强凸性，但足以确保快速的全局收敛保证。通过一系列合成实验，我们证明我们的方法在大多数情况下优于基准方法和最先进的替代方法。
链接: http://arxiv.org/abs/2502.14131v2
标题: Fiscal Policy and Household Savings in Central Europe (Poland, Croatia, and Slovak Republic) -- A Markov Switching VAR with Covid Shock
作者: Tuhin G M Al Mamun
摘要: 本研究调查了COVID-19大流行期间财政政策对克罗地亚、斯洛伐克和波兰家庭消费、可支配收入和消费倾向的有效性。目的是评估政府债务、支出、收入和补贴的变化如何影响家庭在经济冲击下的财务行为。使用马尔可夫转换VAR模型，在三种制度下进行分析：初始冲击、危机高峰和复苏。该分析捕捉了不同财政政策措施下家庭消费、可支配收入和消费倾向的变化。
研究结果表明，斯洛伐克共和国表现出最高的财政有效性，展示了有效的政府政策，刺激了消费者支出并在大流行期间支持了家庭收入。克罗地亚也显示出积极的结果，特别是在收入方面，尽管不断增长的政府债务对整体有效性构成了挑战。相比之下，波兰面临重大障碍，其财政措施导致较低的消费和收入结果，表明政策效果有限。
结论强调了量身定制财政措施的重要性，因为其有效性因国家和经济背景而异。建议包括在危机期间加强支持消费的政策，以稳定收入和消费预期。本研究强调了目标明确的财政行动在促进家庭韧性和经济稳定中的重要性，斯洛伐克共和国的成功方法就是例证。
链接: http://arxiv.org/abs/2502.14041v1
标题: Locally Robust Policy Learning: Inequality, Inequality of Opportunity and Intergenerational Mobility
作者: Joël Terschuur
摘要: 政策制定者需要决定是否对异质个体进行治疗。最优治疗选择取决于政策制定者的福利函数，这被称为政策学习问题。我研究了一个具有半参数社会福利函数（SWFs）的通用政策学习设置，这些函数可以通过基于U统计量的局部稳健/正交矩进行估计。这一丰富的SWF类大大扩展了Athey和Wager（2021）中的设置，并适应了更广泛的分配偏好。本文的三个主要应用激发了这一理论：（i）关注不平等的SWFs，（ii）关注机会不平等的SWFs，以及（iii）代际流动性的SWFs。我使用收入动态面板研究（PSID）评估了上幼儿园对成年收入的影响，并基于父母教育年限和收入估计了最优政策规则。
链接: http://arxiv.org/abs/2502.13868v1
标题: The Risk-Neutral Equivalent Pricing of Model-Uncertainty
作者: Ken Kangda Wren
摘要: 现有的模型不确定性下的资产定价方法适应了经典的效用最大化框架，并追求理论上的全面性。我们通过考虑二元模型不确定性并将注意力从“偏好”转向“约束”，向实践迈进。在这种设置下，经济资产定价被发现分解为模型风险和非模型风险的可行定价，前者具有独特且直观的风险中性等价公式，具有方便的性质。其参数，即模型风险推断的动态守恒常数，允许对事前风险定价和偏差进行综合表示，从而通过众所周知的诸如动量效应和低风险效应等价格异常现象，将它们的价格效应分离出来。
链接: http://arxiv.org/abs/2502.13744v2
标题: Carbon financial system construction under the background of dual-carbon targets: current situation, problems and suggestions
作者: Yedong Zhang, Han Hua
摘要: 在双碳目标的指导下，碳金融体系的发展对于弥补绿色低碳投资的缺口具有重要意义。考虑到当前碳金融体系的发展现状，中国已初步形成了包括参与者、碳金融产品以及宏观和微观运行结构在内的碳金融体系，但该体系仍处于初步发展阶段。鉴于当前碳金融发展的限制，可以看出仍存在经济结构不合理、市场建设不足、产品类别单一、利用率低以及相关司法保障体系建设迫切等问题。因此，应在经济层面和法律层面完善该体系。经济层面包括调整经济发展结构布局、加强市场基础设施建设、鼓励碳金融产品多元化以及加强宣传教育和推广策略。法律层面包括完善顶层设计、制定司法解释以促进碳金融交易、推动商法修订以及推动专门环境司法与碳金融联动机制等保障措施。最后，完善碳金融体系是促进和保障碳金融有序发展的必要条件。为推动经济发展格局改革，金融领域的生态环境保护理念需要得到落实，形成减污、降碳和协同增效的整体格局。
链接: http://arxiv.org/abs/2502.15807v1
标题: Tensor dynamic conditional correlation model: A new way to pursuit "Holy Grail of investing"
作者: Cheng Yu, Zhoufan Zhu, Ke Zhu
摘要: 风格投资创建了低相关性的资产类别（或所谓的“风格”），与投资组合选择中的“投资圣杯”原则高度契合。风格的收益自然形成张量值时间序列，这需要新的工具来研究条件相关矩阵的动态性，以促进上述原则的实现。为此，我们引入了一种新的张量动态条件相关（TDCC）模型，该模型基于两种新颖的处理方法：迹归一化和维度归一化。这两种归一化适应了数据的张量性质，并且在张量数据退化为向量数据时不再需要。此外，我们为TDCC模型提供了一种易于实现的估计程序，并通过模拟检验了其有限样本性能。最后，我们在十个全球市场的国际投资组合选择以及中国股市1800只股票的大规模投资组合选择中评估了TDCC模型的实用性。
链接: http://arxiv.org/abs/2502.13461v1
标题: Balancing Flexibility and Interpretability: A Conditional Linear Model Estimation via Random Forest
作者: Ricardo Masini, Marcelo Medeiros
摘要: 传统的参数计量经济学模型通常依赖于僵化的函数形式，而非参数技术尽管灵活，但往往缺乏可解释性。本文提出了一种简洁的替代方案，通过将结果Y建模为感兴趣的变量X的线性函数，条件于额外的协变量Z。具体而言，条件期望表示为E[Y∣X,Z]=X
T
β(Z)，其中β(⋅)是一个未知的Lipschitz连续函数。我们引入了随机森林（RF）算法的适应版本以估计该模型，在机器学习方法的灵活性与传统线性模型的可解释性之间取得平衡。这种方法通过适应协变量与结果之间关系的异质性，解决了应用计量经济学中的一个关键挑战。此外，X对Y的异质部分效应由β(⋅)表示，并可以直接使用我们提出的方法进行估计。我们的框架有效地统一了已建立的参数和非参数模型，包括变系数模型、切换回归模型和加性模型。我们提供了理论保证，例如估计量的逐点和L
p
范数收敛速度，并通过子采样建立了逐点中心极限定理，以帮助对函数β(⋅)进行推断。我们展示了蒙特卡罗模拟结果以评估该方法的有限样本性能。
链接: http://arxiv.org/abs/2502.13438v1
标题: Functional Network Autoregressive Models for Panel Data
作者: Tomohiro Ando, Tadao Hoshino
摘要: 本研究提出了一种新颖的功能向量自回归框架，用于分析面板数据设置中功能结果的网络交互。在该框架中，个体的结果函数通过联立方程系统受到他人结果的影响。为了估计感兴趣的功能参数，我们需要解决由这些结果函数之间的同时交互引起的内生性问题。这一问题通过开发一种新颖的基于功能矩的估计器来仔细处理。我们建立了所提出估计器的一致性、收敛速度和逐点渐近正态性。此外，我们还讨论了边际效应的估计和脉冲响应分析。作为实证说明，我们分析了美国共享单车服务的需求。结果显示，站点之间的自行车可用性存在统计上显著的空间交互，且交互模式随一天中的时间而变化。
链接: http://arxiv.org/abs/2502.13431v1
标题: The Policy Paradox: Government Debt Servicing and Local Bank Risk Growth
作者: Yan Li
摘要: 地方政府债务问题被广泛认为是影响中国经济稳定发展的“灰犀牛”之一。政府债务可以将风险传导给地方银行，地方银行是地方债务的主要持有者之一，从而引发系统性金融风险。因此，探索债务解决路径并评估债务偿还政策的系统性效应变得至关重要。本研究使用了2010年至2023年中国29个省级行政区域348家地方商业银行的面板数据，并构建了双重差分（DID）模型，以研究国务院对债务偿还的专项监督对地方银行风险的影响。研究结果表明，政府的债务偿还政策本质上是将政府债务从显性形式转为隐性形式，显著增加了地方银行面临的风险，并产生了与政策初衷相反的结果。这一效应在农村商业银行和客户集中度高、分支机构较少的银行中尤为明显。机制分析揭示了两点关键发现。首先，地方银行受到地方政府控制的严重影响；政府的债务偿还要求银行通过购买政府债券和其他金融工具来支持政府，这导致资产质量恶化和风险敞口扩大。其次，政府债务挤占了地方银行的私人信贷，削弱了地区的还款能力，最终增加了银行风险。我们的研究揭示了政府债务偿还的反直觉效应，并提出了相应的政策建议。
链接: http://arxiv.org/abs/2502.13423v1
标题: BeforeIT.jl: High-Performance Agent-Based Macroeconomics Made Easy
作者: Aldo Glielmo, Mitja Devetak, Adriano Meligrana, Sebastian Poledna
摘要: BeforeIT是一个开源软件，用于构建和模拟最先进的宏观经济基于代理模型（macro ABMs），基于[1]中引入的macro ABM（此处称为基础模型）。用Julia编写，它结合了卓越的计算效率与用户友好性和可扩展性。我们展示了软件的主要结构，通过示例演示了其易用性，并对其性能进行了基准测试。我们的基准测试显示，使用BeforeIT构建的基础模型比Matlab版本快几个数量级，并且比Matlab生成的C代码快得多。BeforeIT旨在促进可重复性、可扩展性和实验。作为首个用于构建基础模型类型macro ABMs的开源、工业级软件，BeforeIT可以显著促进基于代理的宏观经济建模领域的合作与创新。该软件包及其文档可在https://github.com/bancaditalia/BeforeIT.jl免费获取，遵循AGPL-3.0协议。
链接: http://arxiv.org/abs/2502.13267v1
标题: Robust Inference for the Direct Average Treatment Effect with Treatment Assignment Interference
作者: Matias D. Cattaneo, Yihan He, Ruiqi, Yu
摘要: 在具有随机网络干扰的因果推断设置中进行不确定性量化是一个具有挑战性的开放问题。我们研究了经典Hajek处理效应估计器（均值差）的大样本分布特性，并提出了一种鲁棒的推断程序，用于（条件）直接平均处理效应，允许在结果和处理方程中存在跨单元干扰。借鉴统计物理学的思想，我们引入了一种新颖的Ising模型，捕捉处理分配中的干扰，然后得出了三个主要结果。首先，我们在Ising模型生成的干扰程度下，建立了Berry-Esseen分布逐点逼近。我们的分布逼近在没有处理分配干扰的情况下恢复了文献中的已知结果，并突出了使用这种逐点逼近开发的推断程序的基本脆弱性。其次，我们建立了Hajek估计器的均匀分布逼近，并开发了鲁棒的推断程序，无论Ising模型中未知的干扰程度如何，这些程序都保持有效。第三，我们提出了一种新颖的重采样方法，用于实现鲁棒推断程序。我们工作的一个关键技术创新是一种新的\textit{De-Finetti Machine}，它促进了条件独立同分布的高斯化，这种技术在其他设置中可能具有独立的意义。
链接: http://arxiv.org/abs/2502.13238v1
标题: Imputation Strategies for Rightcensored Wages in Longitudinal Datasets
作者: Jörg Drechsler, Johannes Ludsteck
摘要: 由于工资信息通常因保密原因而被上限截断，因此右截断是一个常见问题。在行政数据库中，信息通常只收集到预定的阈值，例如社会保障系统的缴费上限。虽然直接考虑截断对某些分析是可能的，但最灵活的解决方案是插值截断点以上的值。这种策略的优势在于，未来的数据用户不再需要实现可能复杂的截断估计器。然而，依赖经典Tobit模型插值右截断数据的标准横截面插值程序存在引入偏差的高风险，因为未来在插值数据上进行的分析对插值者来说是未知的。此外，正如我们使用德国联邦就业局的大规模行政数据库所展示的那样，经典Tobit模型对数据的拟合效果较差。在本文中，我们提出了一些解决这些问题的策略。具体而言，我们使用Card等人（2013）建议的留一均值来避免偏差，并依赖分位数回归或左截断来改善模型拟合。我们使用德国收入结构调查（几乎不受截断影响）作为测试平台，展示了这些建模调整的好处。
链接: http://arxiv.org/abs/2502.12967v1
标题: The Early Days of the Ethereum Blob Fee Market and Lessons Learnt
作者: Lioba Heimbach, Jason Milionis
摘要: 以太坊采用了以rollup为中心的路线图，通过使rollup（第2层扩展解决方案）成为处理交易的主要方法来扩展。实现这一目标的第一步是EIP-4844，它引入了blob交易，旨在满足第2层协议的数据可用性需求。本工作构成了自2024年3月13日以太坊引入blob以来首次对交易和内存池级别数据的严谨而全面的实证分析。我们对blob费用市场的早期进行了纵向研究，分析了其参与者的格局和行为。我们识别并测量了由于次优区块打包导致的低效性，表明有时会导致高达70%的相对费用损失。我们深入研究了两个（拥堵的）blob需求高峰时期，并进一步提供了洞察。最后，我们记录了一个与子集竞价相关的市场设计问题，这是由于交易结构在将数据打包为blob时的不灵活性，并提出了可能的修复方法。后者的市场结构问题也适用于任何包含在交易中的离散对象。
链接: http://arxiv.org/abs/2502.12966v1
标题: Assortative Marriage and Geographic Sorting
作者: Jiaming Mao, Jiayi Wen
摘要: 在1980年至2000年间，美国经历了显著的地理分选和教育同质婚配的上升，大学毕业生越来越多地集中在高技能城市，并与教育程度相似的配偶结婚。我们开发并估计了一个包含本地劳动力、住房和婚姻市场的空间均衡模型，结合了可转移效用的婚姻匹配框架。使用该模型，我们估计了同质婚配偏好的趋势，量化了婚姻分选和地理分选之间的相互作用，并评估了它们对家庭不平等的综合影响。福利分析显示，在考虑婚姻后，大学毕业生与非大学毕业生之间的福利差距比工资差距增长得更为显著。
链接: http://arxiv.org/abs/2502.12867v1
来源：arxiv
