第二期（20250311-20250409）

标题: Eigenvalue-Based Randomness Test for Residual Diagnostics in Panel Data Models
作者: Marcell T. Kurbucz, Betsabé Pérez Garrido, Antal Jakovác
摘要: 本文提出基于随机矩阵理论中Tracy-Widom定律的特征值随机性检验(EBR)，用于面板数据模型的残差分析。与传统方法仅针对截面依赖或自相关等特定问题不同，EBR通过分析对称化残差矩阵的最大特征值同时检验多重假设。蒙特卡洛模拟表明，EBR不仅能稳健检测自相关和线性截面依赖(CSD)等标准违规，还能识别更复杂的非线性和非单调依赖关系，成为提升面板数据分析可靠性的全面灵活工具。
链接: http://arxiv.org/abs/2504.05297v1

标题: A model-based analysis of the AggregateEU mechanism: Implications of overbidding and non-commitment
作者: Dávid Csercsik, Borbála Takácsné Tóth, Péter Kotek, László Á. Kóczy, Anne Neumann
摘要: AggregateEU是欧盟天然气交易的新型非承诺集中机制，在协商过程中被戏称为"欧洲天然气市场的Tinder"，因其仅匹配交易方而不强制缔约。这种非承诺特性导致严重超额报价和大量未实现匹配。我们提出量化模型分析超额报价对联合采购机制的影响，发现其易受超额报价影响且效果具有双重性：特定参数下可能促进交易，但当与交付点协调失误结合时会导致低效结果。建议补救措施包括允许凸报价、限制超额报价或部分放弃非约束性市场特征。
链接: http://arxiv.org/abs/2504.05269v1

标题: Rationalizing dynamic choices
作者: Henrique de Oliveira, Rohit Lamba
摘要: 当分析师观察到代理人的行动序列但无法获取其信息时，需判断这些行动能否通过已知效用函数的理性贝叶斯模型合理化。我们证明当且仅当存在单次偏离论证能使代理人无条件获益时，观察到的行动无法被合理化。该结果可推广至行动序列的概率分布场景，应用于四个领域：风险厌恶单调性、贝叶斯模型的可观测数据拒绝、动态信息设计中的可行结果，以及无信息假设下的偏好部分识别。
链接: http://arxiv.org/abs/2504.05251v1

标题: Underreporting of Intimate Partner Violence in Brazil
作者: Diego de Maria André, José Raimundo Carvalho
摘要: 根据WHO(2013)，全球30%的女性曾遭受亲密伴侣暴力(IPV)，但仅小部分向警方报案。本研究利用巴西第三次家庭暴力社会经济调查数据，通过样本选择双变量概率模型发现：年长白人女性、不容忍家暴者及经历身体暴力者更可能报案；已婚女性、伴侣酗酒者及童年目睹母亲受暴者报案概率更低。
链接: http://arxiv.org/abs/2504.05102v1

标题: Optimal macroprudential policy with preemptive bailouts
作者: Aliaksandr Zaretski
摘要: 本研究银行部门在自我执行约束下的最优监管。约束有效社会计划者可通过两种方式改进无监管均衡：一是内化银行资产组合决策对约束相关价格的影响；二是将新进入者未来净值再分配给存活银行，通过系统性预防性救助（具有时间一致性和福利改善性）放松约束并降低危机概率。未监管银行可能根据经济状态过度或不足杠杆化，故宏观审慎政策需同时采用税收和补贴，而最低资本要求通常无效。
链接: http://arxiv.org/abs/2504.04636v1

标题: BlockingPy: approximate nearest neighbours for blocking of records for entity resolution
作者: Tymoteusz Strojny, Maciej Beręsewicz
摘要: 实体解析（概率记录链接、去重）是涉及多数据源的科学分析和数据科学流程中的关键步骤。其目标是在无标识符的情况下，将指向同一实体（如个人、公司）的记录进行关联。然而，缺乏标识符时，研究人员需指定待比较的记录以计算匹配概率并降低计算复杂度。一种解决方案是基于某些共同变量（如姓名、出生日期或性别）对记录进行确定性分块。但该方法假设这些变量无误差且完全可观测，而实际情况往往并非如此。为解决这一挑战，我们开发了Python包BlockingPy，利用现代近似最近邻搜索和图算法进行分块，显著减少比较次数。本文介绍该包的设计、功能及与官方统计相关的两个案例研究。我们相信该软件将有助于社会科学、经济学或统计学等领域的研究者链接多源数据。
链接: http://arxiv.org/abs/2504.04266v1

标题: Estimating Demand with Recentered Instruments
作者: Kirill Borusyak, Mauricio Caceres Bravo, Peter Hull
摘要: 我们提出了一种利用外生供给侧冲击估计灵活需求模型的新方法。该方法避免了传统外生产品特征的假设，尽管使用了包含特征变异的工具变量，但对产品进入不加限制。所提出的工具变量是内生变量对外生冲击的模型预测响应，经过重新中心化以避免内生特征带来的偏差。我们通过一系列蒙特卡洛模拟验证了该方法的有效性。
链接: http://arxiv.org/abs/2504.04056v1

标题: The Labor Market Incidence of New Technologies
作者: Tianya Fan
摘要: 本文构建了一个评估劳动力市场冲击影响的通用框架，重点关注自动化和人工智能。不平等的劳动力市场冲击根据职业间的可替代性在劳动者间分担。我们理论的核心是技能空间距离依赖的替代弹性（DIDES）概念，即职业间的可替代性随其技能空间距离增加而下降。分析表明，自动化和AI集中于技能相邻的职业，导致就业变动有限但工资差距显著。动态模型进一步表明，转型期和长期均存在流动性受限，限制了劳动力市场吸收快速技术变革的能力。
链接: http://arxiv.org/abs/2504.04047v1

标题: Regression Discontinuity Design with Distribution-Valued Outcomes  
作者: David Van Dijcke  
摘要: 本文提出了具有分布值结果的断点回归设计（R3D），将标准断点回归框架扩展到结果变量为分布而非标量的场景。这种设置出现在处理分配在比结果更高聚合层级时——例如当补贴基于企业收入阈值分配，而关注结果却是企业内员工工资的分布。由于标准断点回归方法无法处理这种两层级随机性，我提出了一种基于随机分布的新方法。目标估计量是"局部平均分位数处理效应"，它跨随机分位数取平均。为估计该目标，我提出了两种相关方法：一种将局部多项式回归扩展到随机分位数，另一种基于局部Fr\'echet回归（一种函数回归形式）。对这两种估计量，我建立了渐近正态性，并开发了统一的去偏置信带及数据驱动的带宽选择程序。模拟验证了这些理论性质，并显示现有方法在此设定下存在偏差且不一致。最后，我将所提方法应用于美国州长党派控制对州内收入分布的影响研究，采用紧密选举设计。结果表明民主党执政下存在经典的公平-效率权衡，主要由收入分布顶端的减少驱动。  
链接: http://arxiv.org/abs/2504.03992v1  

标题: Sustainable Aviation Fuels: Opportunities, Alternatives and Challenges for Decarbonizing the Aviation Industry and Foster the Renewable Chemicals  
作者: Wesley Bonicontro Ambrosio, Bruna Araújo de Sousa, João Marcos Kanieski, Priscila Marchiorie, Gustavo Mockaitis  
摘要: 可持续航空燃料（SAF）对于全球航空业脱碳和实现CORSIA及巴西ProBioQAV等国际框架设定的温室气体减排目标至关重要。本研究评估了SAF在全生命周期碳减排高达80%的潜力，同时与现有航空基础设施兼容。通过文献计量分析、情景评估、法律与监管框架分析及经济建模，研究考察了两种关键SAF生产技术：加氢处理酯和脂肪酸合成链烷烃煤油（HEFA-SPK）和酒精制喷气燃料（ATJ）路径在巴西背景下的应用。研究发现显著的经济挑战，特别是高昂的原料和生产成本阻碍了SAF在巴西近期和当前市场价格下与化石燃料的竞争力，进而分析了旨在提高SAF生产经济吸引力的潜在激励措施和商业条件。基于对行业相关利益相关者和决策者的访谈，结合税收激励、碳信用、资本补助以及SAF及其生物副产品的溢价定价等情景表明，政策干预和商业安排的组合以及受监管的碳市场对SAF经济可行性至关重要。建议未来研究关注原料可用性的区域评估、供应链物流和全球市场准入。本研究为引导巴西及其他地区可持续航空转型的公共政策和私人投资提供了见解。  
链接: http://arxiv.org/abs/2504.03880v1  

标题: Flatness-Robust Critical Bandwidth  
作者: Scott Kostyshak  
摘要: 临界带宽（CB）用于检验密度和回归函数的多模态性，也用于聚类方法。已知如果感兴趣函数在即使很小区间内为常数（"平坦"），CB检验会不一致，并且在有限样本中若函数在区间内具有相对较小导数时存在低功效和错误尺寸问题。本文提出了一个解决方案——平坦稳健临界带宽（FRCB），它利用了一个新颖观察：不一致性仅来自与零假设一致的区域，因此识别并排除它们不会改变零假设或备择集合。我提供了FRCB一致性的充分条件，并通过回归单调性检验的模拟展示了FRCB与CB在各种回归函数下的有限样本性质比较。令人惊讶的是，FRCB在某些无平坦区域情况下表现优于CB，这可以通过FRCB本质上更重视函数中存在较大零假设违反的部分来解释。我用FRCB对放射性碳年龄与日历年龄条件均值函数单调性的实证分析说明了其有用性。  
链接: http://arxiv.org/abs/2504.03594v1  

标题: The building blocks of software work explain coding careers and language popularity  
作者: Xiangnan Feng, Johannes Wachs, Simone Daniotti, Frank Neffke  
摘要: 最近的技术转型浪潮引发了关于工作性质变化的辩论。但要理解工作的未来，我们需要更多了解人们实际工作中的行为，超越教育凭证或工作描述。这里我们通过分析Stack Overflow上数千万问答帖子来研究全球软件行业的工作，创建了一个细粒度的软件任务分类法——软件开发工作的基本构建块。这些任务预测了真实招聘广告中的薪资和工作要求。我们还观察个人如何在任务中学习并多样化到新任务。人们获得的任务往往与其旧任务相关但价值更低，表明它们更容易。Python用户是个例外，这个日益流行以多功能性著称的语言使用者进入的任务往往价值更高，这基于Python使其用户能执行的任务解释了该语言的增长。总的来说，这些见解展示了从大规模数据集中提取的任务分类法的价值：它们提供了对变化劳动力市场的高分辨率和近实时描述。就软件任务而言，它们为数字化全球经济前沿的工作描绘了这种变化。  
链接: http://arxiv.org/abs/2504.03581v1  

标题: Weak instrumental variables due to nonlinearities in panel data: A Super Learner Control Function estimator  
作者: Monika Avila Marquez  
摘要: 采用具有可加可分离个体特定效应的三角结构面板数据模型来建模当存在部分时不变未观测混杂变量时协变量对结果变量的因果效应。在此设置下，当内生协变量和工具变量的条件均值非线性时，线性简化形式方程可能会有问题。因为忽略非线性可能导致弱工具变量。作为解决方案，我们提出了一个具有可加可分离个体固定效应的三角联立方程模型用于面板数据，由带非线性简化形式的线性结构方程组成。兴趣参数是内生变量的结构参数。该参数的识别通过可用排除限制假设和使用控制函数方法获得。使用我们称为超级学习控制函数估计量（SLCFE）的估计器进行兴趣参数估计。估计程序由两个主要步骤和样本分割组成。我们使用样本分割通过超级学习估计控制函数。在下一步中，我们使用估计的控制函数控制结构方程中的内生性。样本分割在个体维度上进行。我们进行蒙特卡洛模拟测试所提估计量的性能。结论是超级学习控制函数估计量显著优于Within 2SLS估计量。  
链接: http://arxiv.org/abs/2504.03228v2  

标题: A Systematic Review on Women's Participation in Agricultural Work and Nutritional Outcomes  
作者: Pallavi Gupta  
摘要: 虽然农业被认为对改善营养至关重要，但将妇女参与与持续营养收益联系起来的证据仍无定论。本综述综合了2000至2024年间发表的研究，反映当前农业实践和营养挑战。我们考察农业实践和时间使用如何通过收入生成、食物准备和家庭内劳动分配等路径影响农村妇女的营养结果。采用具有明确纳入排除标准的结构化方法评估性别敏感和营养敏感干预措施。通过叙述性综合，综述围绕关键主题和背景因素（包括社会经济地位、季节性和劳动强度）分类研究结果。结果表明，虽然增加农业参与可以提高家庭膳食多样性和收入，但也增加了影响食物准备、儿童保育和自我护理的时间负担。当干预措施增强妇女决策权、收入获取和使用省时技术时出现积极结果，而当过度工作损害能量平衡和限制休息时则产生消极结果。提出了一个概念框架来映射连接农业、时间使用和营养的双重路径，捕捉劳动分配、社会规范和资源获取的作用。该框架强调需要将性别平等、时间效率和营养目标整合到农业政策中。总之，如果精心设计以避免对妇女的意外负面影响，农业干预措施具有营养改善潜力。  
链接: http://arxiv.org/abs/2504.03202v1  

标题: An Assessment of the CO$_2$ Emission Reduction Potential of Residential Load Management in Developing and Developed Countries  
作者: Alona Zharova, Felix Creutzig  
摘要: 间歇性可再生能源日益主导电网，并预计将成为2040年前大多数主要经济体电网淘汰化石燃料的主要驱动力。然而，基于间歇性可再生能源的电网面临太阳和风能供应与电力需求（包括热泵和电动两轮及四轮车需求）之间的昼夜和季节性不匹配挑战。负荷管理和需求响应措施有望通过基于信息和价格的方法引导需求朝向间歇性可再生能源供应高峰时期来调整这种不匹配。这里，我们系统回顾了估算发展中国家和发达国家居民负荷管理CO$_2$减排潜力的文献。发现负荷管理具有高度潜力，具体取决于能源结构（包括可再生能源和化石燃料的各自份额）、气候区和监管环境及价格机制。大多数确定研究表明减排潜力在1%至20%之间。当间歇性可再生能源份额更高且电价较高时，负荷管理变得更相关。重要的是，负荷管理使消费者的经济激励与气候变化减缓保持一致，从而使配套策略在政治上可行。我们总结了在经济体中促进负荷管理并实现相关消费者剩余和减缓潜力的关键监管步骤。  
链接: http://arxiv.org/abs/2504.02811v1  

标题: How Election Shocks Move Markets: Evidence from Sectoral Stock Prices  
作者: Aaron J. Amburgey  
摘要: 本文研究了美国总统选举周期对行业股票市场的影响。使用高频识别方法，我构建了一个新颖的"选举冲击"序列，捕捉选举概率的外生意外。除选举结果外，最大冲击与宏观经济创新正交的事件相关，例如丑闻和辩论。这些冲击对受美国两大政党政策平台差异影响的行业资产价格产生直接影响。具体而言，有利于共和党（民主党）候选人的冲击增加（减少）能源和国防行业的资产价格，同时减少（增加）清洁能源行业价格。这些影响持续存在。  
链接: http://arxiv.org/abs/2504.02731v1  

标题: Impact of a Blockchain-based Universal Basic Income Pilot: The case of Circles UBI currency  
作者: Alessandro Longo, Teodoro Criscione, Julio Linares, Sowelu Avanzo  
摘要: Circles UBI是一种基于区块链的社区货币系统（CCS），自2021年10月起在德国柏林运行。2021年启动该项目的Circles Coop于2023年12月关闭。本文展示了2023年10月至11月期间进行的一项调查结果。受访者为25位以各种方式参与Circles网络的个人。主要浮现的叙事指出他们的参与深受对Circles社区价值观和理想认同的驱动。我们从中选出五个因参与类型和程度不同而突出的个人档案。最后，我们报告了一些经济联系的故事，暗示采用本地社区货币存在正外部性。据我们所知，这是首个作为社区货币设计并采用区块链技术的普遍基本收入的定性研究。这个试点项目因其采用的先进技术和社会创新而成为一项卓越实验。实际上，据我们所知，基本收入与本地货币特征的整合仅在另外两个案例（巴西Maric\'a和西班牙巴塞罗那）中进行过试验，且均未采用去中心化账本系统。本工作中，我们试图勾勒出约两年活动后显现的优势和劣势。因此，未来对此领域感兴趣的研究者和活动家将从中发现有价值的信息。  
链接: http://arxiv.org/abs/2504.02714v1  

标题: Brewing Discontent: How U.S. Reciprocal Tariffs on Coffee Could Echo the Boston Tea Party  
作者: Muhammad Sukri Bin Ramli  
摘要: 本研究采用通过相关经济理论解释的定量技术分析美国提出的"折扣互惠关税"结构。统计建模（线性回归）量化了该政策一致的"折扣互惠"模式，并通过博弈论视角解释战略互动。机器学习（K均值聚类）基于关税暴露和经济复杂性指数（ECI）识别不同的国家类型，将政策与经济复杂性理论联系起来。研究主要应用聚焦于咖啡主要出口部门，利用基于需求弹性和替代原则的模拟建模预测潜在贸易流动影响。具体对咖啡而言，该模拟展示了拟议关税差异如何诱导显著替代效应，预测美国进口需求从高关税原产地转向低关税竞争者。这种源于影响出口国关税的干扰，预计最终将提高美国消费者的咖啡价格。所有研究发现均在政治经济考量背景下进行了解释。总体而言，该研究展示了如何将回归、聚类和模拟与经济理论整合——通过咖啡部门分析例证——为评估战略贸易政策（包括消费者价格效应）的潜在系统性影响提供了稳健框架。  
链接: http://arxiv.org/abs/2504.02915v1  

标题: Online Multivariate Regularized Distributional Regression for High-dimensional Probabilistic Electricity Price Forecasting  
作者: Simon Hirsch  
摘要: 概率电力价格预测（PEPF）是短期电力市场中市场参与者的关键任务。高频数据的日益可用和能源市场实时决策的需求要求在线估计方法进行高效模型更新。我们提出了一个在线、多变量、正则化分布回归模型，允许对所有分布参数以解释变量为条件建模。我们的方法基于多变量分布回归与基于在线坐标下降的LASSO型正则化高效在线学习算法的结合。此外，我们提出沿多变量分布日益复杂依赖结构路径正则化估计，允许简约估计和早期停止。我们通过德国日前电力市场中首批聚焦多变量概率预测的预测研究之一验证了我们的方法，同时仅使用在线估计方法。我们将我们的方法与带自适应边缘分布的在线LASSO-ARX模型以及与自适应Copula结合的在线单变量分布模型进行比较。结果表明，允许建模所有分布参数（包括均值和依赖结构）以可再生馈入或过去价格等解释变量为条件的多变量分布回归，相比仅建模边缘并保持静态/无条件依赖结构提供了更优的预测性能。此外，在线估计相比批量拟合实现了80倍至400倍以上的加速。  
链接: http://arxiv.org/abs/2504.02518v1  

标题: A Combinatorial Auction Design for Formulary Positions  
作者: Lawrence W. Abrams  
摘要: 本文目的是应用市场设计经济学领域开发一个简单的代数和图形模型，用于药品目录位置分配的组合拍卖。  
链接: http://arxiv.org/abs/2504.02200v1  

标题: Meat-Free Day Reduces Greenhouse Gas Emissions but Poses Challenges for Customer Retention and Adherence to Dietary Guidelines  
作者: Giuseppe Russo, Kristina Gligorić, Vincent Moreau, Robert West  
摘要: 减少肉类消费对实现全球环境和营养目标至关重要。无肉日（MFD）是通过取消动物性餐食鼓励植物性饮食的广泛采用策略。我们通过在大型大学校园12个食堂18个月内实施67次MFD（每周随机选择一天），分析超过40万次食品购买，评估了MFD对环境、行为和营养的影响。MFD使处理日校园食品相关温室气体排放减少52.9%，并改善了纤维（+26.9%）和胆固醇（-4.5%）摄入而不改变热量摄入。然而这些营养收益伴随着蛋白质摄入减少27.6%和糖摄入增加34.2%。此外，植物性餐食的增加并未延续到后续日子，处理日后第一天动物性餐食消费反弹3.5%。MFD还导致处理日校园餐食销售下降16.8%。蒙特卡洛模拟表明，如果处理日8.7%的就餐者在校外吃汉堡，MFD的温室气体节省将完全抵消。由于分析发现校园顾客保留是MFD有效性的主要挑战，我们建议将MFD与顾客保留干预措施结合以确保环境和营养收益。  
链接: http://arxiv.org/abs/2504.02899v1  

标题: Who Gets to Come In? How Political Engagement Shapes Views on Legal Immigration  
作者: Muhammad Hassan Bin Afzal, Foluke Omosun  
摘要: 本研究探讨政治参与如何塑造美国公众对合法移民的态度。使用2024年ANES试点研究的全国加权数据，我们基于五种公民行动构建了一个新颖的政治参与指数（PAX）：讨论政治、在线分享、参加集会、佩戴政治符号和竞选志愿服务。通过应用加权有序逻辑回归模型，发现即使在调整教育、性别、年龄、党派、收入、城市居住和广义社会信任后，更高参与度预测对放宽合法移民的更大支持。为捕捉实质效应，我们可视化了跨参与度水平的预测概率。在全样本模型中，支持"困难很多"移民的可能性从26%降至13%，而支持"容易很多"的比例从10%升至21%。按党派分组的子分析显示方向一致性，共和党人变化显著。社会信任和教育也始终与更开放态度相关，而年长受访者倾向于支持更不宽松的合法移民政策。这些结果表明，政治参与的累积增加与支持合法移民途径相关，强度因党派身份和社会人口特征而异。  
链接: http://arxiv.org/abs/2504.03768v1  

标题: Estimation of the complier causal hazard ratio under dependent censoring  
作者: Gilles Crommen, Jad Beyhum, Ingrid Van Keilegom  
摘要: 本工作中，我们关注研究内生二元处理对依赖删失持续时间结果的因果效应。依赖删失指持续时间（T）和右删失时间（C）即使在以测量协变量为条件后也不统计独立。通过使用处理的二元工具变量解决内生性问题。为处理依赖删失问题，假设在遵从者层：（i）T遵循半参数比例风险模型；（ii）C遵循完全参数模型；（iii）T与C的关系通过参数copula建模，使得关联参数可未指定。在此框架下，兴趣处理效应是遵从者因果风险比（CCHR）。我们设计了一个基于加权最大似然方法的估计程序，其中权重是观测来自遵从者的概率。权重在第一阶段非参数估计，随后估计CCHR。给出了模型可识别的新条件，提出了两阶段估计程序并建立了一些重要渐近性质。通过模拟评估估计程序的有效性和有限样本性能。最后，我们将该方法应用于估计工作培训项目对失业持续时间和定期筛查检查对乳腺癌死亡时间的CCHR。数据分别来自国家工作培训伙伴法案研究和纽约健康保险计划实验。  
链接: http://arxiv.org/abs/2504.02096v1  

标题: Non-parametric Quantile Regression and Uniform Inference with Unknown Error Distribution  
作者: Haoze Hou, Wei Huang, Zheng Zhang  
摘要: 本文研究了存在测量误差时条件分位数回归函数（CQRF）的非参数估计和统一推断。我们考虑测量误差分布未知且允许为普通或超光滑的情况。通过重复测量估计测量误差的密度，并提出了CQRF的反卷积核估计量。我们推导了所提估计量的统一Bahadur表示，并为CQRF构建了统一置信带——在"统一"意义上针对所有协变量和一组分位数指标，并建立了所提推断的理论有效性。还包括选择调谐参数的数据驱动方法。蒙特卡洛模拟和实际数据应用证明了所提方法的实用性。  
链接: http://arxiv.org/abs/2504.01761v1  

标题: Renewable Diesel Boom: The Impact of Soybean Crush Plants on Local Soybean Basis  
作者: Shujie Wu, Mindy Mallory, Teresa Serra  
摘要: 我们调查了政策驱动的柴油和可再生柴油产业扩张对当地大豆价格的影响。由于豆油是生物柴油和可再生柴油的关键原料，新大豆压榨设施建设和现有设施扩建已投入大量资金。我们使用面板数据和双重差分法量化新老大豆工厂对大豆基差的影响。现有数据无法识别新工厂的任何统计显著影响。然而现有工厂使基差增加23.36至9.20美分/蒲式耳，效应随距离减弱。这些结果表明生物燃料政策在支持农村经济方面的相关性，并具有重要政策含义。  
链接: http://arxiv.org/abs/2504.01756v1  

标题: A Causal Inference Framework for Data Rich Environments  
作者: Alberto Abadie, Anish Agarwal, Devavrat Shah  
摘要: 我们提出了一个在"数据丰富"环境（即存在大量单元和每个单元大量测量）中未观测混杂下反事实估计的形式模型。我们的模型搭建了图模型文献中常见的因果推断结构因果模型观点与潜在结果文献中常见潜在因子模型观点之间的桥梁。我们展示了经典潜在结果和处理分配模型如何适配我们的框架。我们提供了平均处理效应、处理组平均处理效应和未处理组平均处理效应的识别论证。对于任何对某些干扰参数具有足够快估计误差率的估计量，我们建立了其对各种因果参数的一致性。然后我们展示主成分回归是导致一致估计的一个此类估计量，并分析了潜在结果函数所需的最小平滑度以获得一致性。  
链接: http://arxiv.org/abs/2504.01702v1  

标题: GPT Adoption and the Impact of Disclosure Policies  
作者: Cathy Yang, David Restrepo Amariles, Leo Allen, Aurore Troussel  
摘要: 生成预训练变换器（GPT），特别是像ChatGPT这样的大语言模型（LLM），已在内容生成和生产力提升方面证明有效。然而与这些工具相关的法律风险导致组织内采用差异和AI使用隐瞒。本研究通过代理理论视角考察披露对咨询公司法律、审计和咨询角色中ChatGPT采用的影响。我们进行了调查实验评估在企业无监管使用ChatGPT背景下的代理成本，特别关注强制披露如何影响信息不对称和利益错位。研究发现，在没有企业法规（如AI政策）情况下，企业可能产生代理成本，这会阻碍GPT采用的全部效益。虽然披露政策减少了信息不对称，但由于管理者低估分析师使用GPT的贡献，它们并未显著降低总体代理成本。最后我们考察了欧洲和美国现有法规关于披露要求的范围，探索了企业内风险和责任的分配，并分析了激励机制如何促进负责任的AI采用。  
链接: http://arxiv.org/abs/2504.01566v1  

标题: On Robust Empirical Likelihood for Nonparametric Regression with Application to Regression Discontinuity Designs  
作者: Qin Fang, Shaojun Guo, Yang Hong, Xinghao Qiao  
摘要: 经验似然是构建非参数回归和断点回归设计（RDD）置信区间的有力工具。原始经验似然框架可以自然地使用局部线性平滑器扩展到这些设置，仅当选择欠平滑带宽时Wilks定理成立。然而在更现实条件下，经验似然的偏差校正版本推广并非易事，一直是文献中的开放挑战。本文通过提出一种称为稳健经验似然的新方法为非参数回归和RDD提供了满意解决方案。核心思想是构建同时实现偏差校正并考虑估计偏差引入额外变异性的稳健权重，从而无需额外估计步骤即可构建有效置信区间。我们证明了在非参数回归、清晰和模糊RDD设置下较弱条件下Wilks现象仍然成立。大量模拟研究证实了我们所提方法的有效性，在覆盖概率和区间长度方面优于现有方法。此外，所提程序对带宽选择表现出稳健性，使其成为实证分析的灵活可靠工具。通过两个实际数据集的应用进一步说明了其实际用途。  
链接: http://arxiv.org/abs/2504.01535v1  

标题: Dual first-order methods for efficient computation of convex hull prices  
作者: Sofiane Tanji, Yassine Kamri, François Glineur, Mehdi Madani  
摘要: 凸包（CH）定价在美国电力市场中使用并在欧洲引起兴趣，是一种设计用于处理具有启动成本和最小启停时间等非凸性市场的定价规则。在此类市场中，市场运营商向发电机支付侧付款以覆盖损失的机会成本，而CH价格最小化包括实际损失和错失利润机会在内的总"损失机会成本"。这些价格也可以通过求解原始混合整数规划的（部分）拉格朗日对偶获得，其中功率平衡约束被对偶化。计算CH价格则归结为最小化和式非光滑凸目标函数，其中每项仅依赖于单个发电机。这些项的次梯度可通过求解更小混合整数规划独立获得。本工作中，我们基准测试了大量一阶方法来求解上述对偶CH定价问题。我们测试了几种对偶方法（大多数先前未考虑用于CH定价），即束水平方法的近端变体、具有三种不同步长策略的次梯度方法、两种最新无参数方法和结合平滑的加速梯度方法。我们在两组具有代表性的大规模实际实例上比较这些方法，并补充比较了显示能有效计算CH价格的（Dantzig-Wolfe）原始列生成方法作参考。数值实验表明束近端水平方法和两种次梯度方法变体在所有对偶方法中表现最佳，并与Dantzig-Wolfe原始方法相比具有优势。  
链接: http://arxiv.org/abs/2504.01474v1  

标题: Locally- but not Globally-identified SVARs  
作者: Emanuele Bacchiocchi, Toru Kitagawa  
摘要: 本文分析了结构参数局部可识别但非全局可识别的结构向量自回归（SVARs）。在这种情况下，存在一组在施加限制下观测等价的结构参数孤立点。虽然数据未告知我们应选择哪个观测等价点，但常见的频率派实践是获得一个作为最大似然估计并相应执行脉冲响应分析。对贝叶斯派而言，缺乏全局识别转化为后验对先验的持续敏感性，多峰似然导致计算挑战，因为后验采样算法可能无法探索所有模式。本文通过提出新颖的估计和推断程序克服了这些挑战。我们刻画了一类产生局部但非全局识别的识别限制和情况，以及由此产生的观测等价参数值数量。我们提出算法详尽计算给定简化形式参数的所有可容许结构参数，并利用它们从多峰后验中采样。此外，将观测等价参数点集视为识别集，我们开发了用于相应脉冲响应集推断的贝叶斯和频率派程序。一个实证例子说明了我们的提案。  
链接: http://arxiv.org/abs/2504.01441v1

标题: A Practical Guide to Estimating Conditional Marginal Effects: Modern Approaches  
作者: Jiehan Liu, Ziyi Liu, Yiqing Xu  
摘要: 本指南提供了使用现代统计方法估计条件边际效应（处理效应如何随调节变量变化）的实用指南。常用方法（如线性交互模型）常面临估计目标不明确、重叠有限和函数形式限制等问题。本指南首先明确定义估计目标并呈现主要识别结果，随后回顾并改进现有解决方案（如半参数核估计量），同时引入稳健估计策略，包括带Lasso选择的反倾向得分加权增强法（AIPW-Lasso）和结合现代算法的双重机器学习（DML）。通过模拟和实证案例评估每种方法，并根据样本量和研究背景提供实用建议。所有工具均通过配套的R语言interflex包实现。  
链接: http://arxiv.org/abs/2504.01355v1  

标题: Partial identification in ILSA studies of educational achievement: A strategy for producing credible interval estimates with student non-participation  
作者: Diego Cortes, Jeff Dominitz, Maximiliano Romero  
摘要: 国际大规模评估（ILSA）研究的核心目标是生成参与评估的各教育系统中学生成绩概率分布的知识。本文研究了这些研究在论证关于这些分布的结论时面临的最基本威胁：数据收集期间学生不参与的问题。ILSA研究传统上采用有限策略应对不参与问题。我们使用针对该问题定制的部分识别框架工具进行探讨，并以2018年国际计算机与信息素养研究为例演示该方法。由此为ILSA领域提供了一种识别和估计目标人口参数的替代策略。  
链接: http://arxiv.org/abs/2504.01209v1  

标题: Nonlinearity in Dynamic Causal Effects: Making the Bad into the Good, and the Good into the Great?  
作者: Toru Kitagawa, Weining Wang, Mengshan Xu  
摘要: 本文作为对Michal Kolesár和Mikkel Plagborg-Møller《非线性世界中的动态因果效应：好、坏与丑》的评论，提出三点意见，包括对文献的新贡献：展示如何为具有负权重的平均效应估计量恢复合理的经济学解释。  
链接: http://arxiv.org/abs/2504.01140v1  

标题: The role of ethical consumption in promoting democratic sustainability: revisiting neoclassical economics through Kantian ethics  
作者: Pascal Stiefenhofer  
摘要: 本文探讨伦理消费如何通过挑战以效用和效率为中心的传统经济模型，推动民主治理向可持续性转型。随着社会价值观转向透明度、公平和环境责任，伦理消费者日益影响市场。借鉴White的康德经济学框架和Inglehart的价值变迁理论，本文提出整合道德命令的经济学模型。通过向量丛方法捕捉伦理偏好的演变，倡导与后物质主义价值观一致的包容性可持续发展经济范式。  
链接: http://arxiv.org/abs/2504.01138v1  

标题: Modelling bounded rational decision-making through Wasserstein constraints  
作者: Benjamin Patrick Evans, Leo Ardon, Sumitra Ganesh  
摘要: 通过信息约束处理建模有限理性决策，为在强化学习框架内表示对理性的偏离提供了原则性方法，同时仍将决策视为优化过程。然而现有方法主要基于熵、KL散度或互信息。本文指出这些方法在序数动作空间中的问题：熵假设均匀先验信念，忽略先验偏差影响；KL散度虽解决此问题但缺乏动作"邻近性"概念，且具有不对称性、要求分布支撑相同等缺陷；互信息常难以估计。我们提出利用Wasserstein距离的替代方法，克服上述问题并建模序数动作的"粘性"决策特征，同时支持低概率动作、零支撑先验分布且计算简便。  
链接: http://arxiv.org/abs/2504.03743v1  

标题: Quantile Treatment Effects in High Dimensional Panel Data  
作者: Yihong Xu, Li Zheng  
摘要: 我们提出一种针对高维面板数据（大N和T）中仅少数单位受干预影响的分位数因果效应新估计量。该方法将广义合成控制法（Xu 2017）从处理组平均效应扩展到处理组分位数效应，允许潜在因子结构随结果分布分位数变化。通过控制组估计分位数依赖因子，再使用处理组进行分位数回归估计处理效应。建立估计量的渐近性质并提出基于bootstrap的统计推断程序，辅以模拟研究和2008年中国经济刺激计划的实证应用。  
链接: http://arxiv.org/abs/2504.00785v1  

标题: Exploitation of Eurosystem Loopholes and Their Quantitative Reconstruction  
作者: Karl Svozil  
摘要: 本文识别并分析了利用欧元体系金融机制的六种关键策略，尝试定量重构：膨胀TARGET余额、抵押品互换后违约、稀释自律规则、通过紧急流动性援助（ELA）发行货币、利用净金融资产协议（ANFA）促进收购、以及主权债券作为抵押品的永续（再）发行。指出这些做法源于体系漏洞或刻意机会主义，虽不倡导非法活动，但揭示当前结构的重大缺陷，结论强调亟需全面改革。  
链接: http://arxiv.org/abs/2504.01051v1  

标题: Predicting and Mitigating Agricultural Price Volatility Using Climate Scenarios and Risk Models  
作者: Sourish Das, Sudeep Shukla, Abbinav Sankar Kailasam, Anish Rai, Anirban Chakraborti  
摘要: 农业价格波动受市场动态和温度降水等气象因素驱动，挑战可持续金融与政策规划。印度最低支持价格（MSP）系统作为隐性作物保险，无保费支付保护农民免受价格下跌影响。我们分析气候对大豆（中央邦）、水稻（阿萨姆邦）和棉花（古吉拉特邦）价格波动的影响，使用ERA5-Land再分析数据评估SSP2.4.5（中度）和SSP5.8.5（重度）情景。发现天气条件显著影响价格波动，将气象数据纳入波动模型可增强风险对冲。通过EGARCH模型估计条件价格波动，识别天气与价格波动的交叉相关性。将MSP视为欧式看跌期权，应用Black-Scholes模型估算其隐性溢价以量化财政成本，提出政府购买等效保险的新型市场对冲机制。结果强调气象数据对农业风险建模的重要性，支持精准保险并增强气候不确定性下的农业金融韧性。  
链接: http://arxiv.org/abs/2503.24324v1  

标题: Enhancing Trust in Inter-Organisational Data Sharing: Levels of Assurance for Data Trustworthiness  
作者: Florian Zimmer, Janosch Haber, Mayuko Kaneko  
摘要: 随着数据价值被广泛认可，跨组织数据共享研究聚焦未开发数据的价值利用，而研究者多认同信任是成功关键。但现有研究多从数据提供方视角出发，本文强调不平衡的信任观，从消费者视角考察数据可信度的增强措施。发现现有方案不符合跨组织数据共享领域需求，通过严谨设计科学研究提出新的数据可信度保障等级框架。基于现有构件证明其能恰当应对领域挑战，虽需改进但确信能提升消费者信任，最终贡献设计知识并强调需更多关注消费者信任。  
链接: http://arxiv.org/abs/2503.24149v1  

标题: A robot-assisted pipeline to rapidly scan 1.7 million historical aerial photographs  
作者: Sheila Masson, Alan Potts, Allan Williams, Steve Berggreen, Kevin McLaren, Sam Martin, Eugenio Noda, Nicklas Nordfors, Nic Ruecroft, Hannah Druckenmiller, Solomon Hsiang, Andreas Madestam, Anna Tompsett  
摘要: 在20世纪，航空勘测拍摄了数亿张高分辨率的地球表面照片。这些图像作为现代卫星图像的前身，记录了20世纪环境和社会剧变的非凡视觉档案。然而，这些图像目前大多保存在实体档案中，检索困难且成本高昂。数字化可以彻底改变获取方式，但人工扫描速度慢且昂贵。在此，我们描述并验证了一种新型机器人辅助流程，将工作人员扫描效率提高了30倍，并应用于大规模数字化来自65个国家的170万张历史航拍照片档案。
链接: http://arxiv.org/abs/2503.24063v2  

标题: Surge sourcing via hybrid supply in a sharing economy: a resource-efficient, progressive and sustainable way to satisfy surge demand  
作者: Pouria Mohamadzadehoqaz, Elena Dieckmann, Anthony Quinn, Robert Shorten  
摘要: 我们提出了一种激增采购方法，以解决共享经济系统中偶尔出现的同步高需求（激增需求），为社会经济发展提供了一种替代激增定价的进步方案。我们的方案不是抑制弱势消费者的需求，而是通过引入资源利用不足的特权消费者-提供者（产消者）来增加供应。这种混合供应方法在正常和激增需求情况下，无需激增定价即可保持消费者和产消者的高质量服务（QoS）。为确保产消者QoS，我们保留一小部分主要供应以满足他们在激增期间资源不可用时的需求。由于此类事件的概率低于激增需求本身，所需的保留资源极少。由此产生的方案具有资源高效、社会进步和可持续的特点，充分利用了未充分利用的资源。我们通过两个应用案例说明该方案：小型电动车车主的高端汽车共享和电动车驾驶员的共享充电桩。
链接: http://arxiv.org/abs/2503.24048v1  

标题: Empirical Analysis of Digital Innovations Impact on Corporate ESG Performance: The Mediating Role of GAI Technology  
作者: Jun Cui  
摘要: 本研究探讨了企业数字创新与环境、社会和治理（ESG）绩效之间的关系，特别关注生成式人工智能技术采用的媒介作用。我们使用来自CMARS和WIND数据库的2015年至2023年8000个观测值的综合面板数据，采用多种计量经济学技术检验这一关系。研究发现，数字创新显著提升企业ESG绩效，而GAI技术采用是关键的中介机制。具体而言，数字创新正向影响GAI技术采用，进而改善ESG绩效。此外，异质性分析表明，这种关系因企业规模、行业类型和所有权结构而异。最后，通过工具变量估计、倾向得分匹配和双重差分法解决潜在的内生性问题后，结果依然稳健。本研究为技术驱动的可持续转型文献做出了贡献，并为企业战略和政策制定通过技术进步促进可持续商业实践提供了实际意义。
链接: http://arxiv.org/abs/2504.01041v1  

标题: Foreign Direct Investment and Job Creation in EU Regions  
作者: Marjan Petreski, Magdalena Olczyk  
摘要: 本研究考察了2012年至2023年间外国直接投资（FDI）对欧盟老成员国109个地区就业创造的影响。通过结合动态和空间计量经济模型以及独特的FDI项目数据集，我们发现FDI流入增加显著促进地区就业创造，但这一关系是非线性的。行业专业化起着关键作用，因为更集中的FDI流入带来更高的就业增长。此外，FDI驱动的就业创造表现出显著的空间溢出效应。然而，吸引高价值FDI工作岗位（如研发和管理）的地区往往整体就业增长较慢。
链接: http://arxiv.org/abs/2503.23999v1  

标题: Ambitious forest biodiversity conservation under scarce public funds: Introducing a deferrence mechanism to conservation auctions  
作者: Johanna Kangas, Janne S. Kotiaho, Markku Ollikainen  
摘要: 欧盟生物多样性战略设定了一个雄心勃勃的目标，到2030年将受保护陆地和海洋面积增加到30%，其中10%用于严格保护。实现保护目标所需的大片土地和快速实施进度对当前的政策工具和公共保护资金都构成了挑战。我们通过使用采购拍卖引入了一种森林保护的延期机制。延期支付保护费用使政府能够更快地保护大面积土地，并将保护成本的财政负担分散到更长时间。延期支付会获得利息。利息收益和首付款的拍卖机制增强了土地所有者参与保护的激励。我们描述了该机制的一般特性，并通过数值模拟发现延期机制促进了林地的快速保护，从而最大限度地减少了采伐风险造成的生态价值损失。分析表明，将贷款期限控制在不超过10年并支付3%的利率提供了一个折中方案，在大多数情况下表现良好，优于预付机制。
链接: http://arxiv.org/abs/2503.23955v1  

标题: Scenarios for the Deployment of Automated Vehicles in Europe  
作者: Louison Duboz, Ioan Cristinel Raileanu, Jette Krause, Ana Norman-López, Matthias Weitzel, Biagio Ciuffo  
摘要: 自动驾驶汽车（AVs）的部署预计将解决道路运输的外部性问题（如安全、交通、环境影响等）。为此，欧盟正在制定大规模市场引入和部署的法律框架。尽管在道路运输自动化方面迈出了第一步，但全面自动化的时间表及其潜在经济效益仍不确定。本文的目的有两个。首先，它提出了一个方法框架，用于确定到2050年欧盟27国+英国在三种情景（即缓慢、中等基线和快速）下五种不同自动化水平的部署路径，重点关注乘用车。其次，它通过计算增加值提出了对AVs经济影响的评估。定义假设和采用轨迹的方法包括全面的文献综述、专家访谈和预测不同自动化水平新注册量的模型。通过这种方式，访谈提供的见解补充了文献，并为假设和部署轨迹的设计提供了信息。增加值评估显示，在所有采用情景中，由于引入自动化技术，经济活动都有所增加。
链接: http://arxiv.org/abs/2503.23914v1  

标题: Investigating Technological Solutions for Addressing Water Scarcity in Agricultural Production  
作者: Ji Woo Han  
摘要: 这项综合研究调查了水资源短缺与农业生产之间的复杂关系，强调了其全球重要性。研究通过多维分析探讨了水资源短缺对作物生产力的各种影响，特别是经济性水资源短缺（AEWS）这一主要影响因素。研究强调了垂直农业作为解决不同类型水资源短缺问题的可行方案的潜力，因此强调了其在可持续农业发展中的作用。尽管研究承认仍存在一些问题，但也指出需要更多研究来解决可扩展性和社会经济影响的问题。展望未来，跨学科合作和技术创新对于实现水资源安全的农业和社会韧性至关重要。
链接: http://arxiv.org/abs/2504.00056v1  

标题: When do firms sell high durability products? The case of light bulb industry  
作者: Takeshi Fukasawa  
摘要: 本研究通过建立一个具有前瞻性消费者和寡头垄断多产品企业的耐用品动态结构模型，实证研究了企业选择产品耐用性的激励及其社会最优性。基于对灯泡市场的观察，该模型设定企业生产具有不同耐用性水平的多种产品，并根据动态激励设定产品价格。研究提出并应用了新的估计算法，减轻了估计动态需求模型的需求和边际成本参数的计算负担和数据要求。使用日本灯泡市场数据，估计了结构参数。本研究得出以下结果。首先，大企业有合谋消除高耐用性白炽灯的激励，尽管对每个企业来说销售它们是有利可图的。相反，当它们可以合谋定价时，它们没有消除高耐用性灯泡的激励。其次，消除高耐用性白炽灯导致更大的生产者和总剩余，尽管它导致消费者剩余降低。
链接: http://arxiv.org/abs/2503.23792v1  

标题: Career Incentives, Risk-Taking, and Sorting Dynamics: Evidence from Top Financial Advisers  
作者: Jun Honda  
摘要: 我们研究了职业关注如何影响金融顾问的行为和流动性。利用一个独特的综合匹配面板数据，结合雇主-雇员数据和长期全国排名，我们的研究检验了经典职业关注模型和锦标赛理论的预测。分析表明，在职业生涯早期，注定成为顶级表现的顾问与同行显著不同。具体而言，在被排名之前，这些顾问获得关键投资执照的可能性是其他人的两倍，客户纠纷率高达七倍，并且转向总资产大80%的公司的可能性更高。此外，我们发现顶级顾问通过面临较低的劳动市场惩罚来减轻其更高风险承担的潜在成本。利用经纪人协议交错采用的外生变化，通过事件研究框架，我们的结果显示动态排序：公司在采用后的短期内强烈吸引高绩效顾问。这些发现为金融服务行业中职业激励、风险承担和劳动市场结果之间的相互作用提供了新的见解，对公司的绩效和监管政策都有重要影响。
链接: http://arxiv.org/abs/2503.23763v1  

标题: The optimum mix of storage and backup in a highly renewable, highly reliable European electricity grid  
作者: J. Dunsmore, L. M. Arthur, R. S. Kemp  
摘要: 我们利用MERRA-2再分析数据集估算了1980-2022年43年间欧洲太阳能和风能发电潜力的变异性。我们将估算的供应潜力与来自36个欧洲国家的每小时需求数据进行比较，以计算欧洲高度可再生电网的可靠性。我们发现，在成本优化的情景中，使用陆上风电、太阳能和储能但没有天然气的情况下，可靠满足最后1%的需求占整个系统成本的36%。包含少量可调度的天然气大幅降低了可再生、高可靠性电网的成本：当仅允许总发电量的1%来自天然气时，整个系统成本下降了31%。在所有情景中，都需要大规模的可再生能源过度建设（超过峰值需求的4倍）以满足现代电网可靠性标准，且风能而非太阳能在发电结构中占主导地位。
链接: http://arxiv.org/abs/2503.23604v1  

标题: Forecasting Impacts to the Forest Sector: An Analysis of Key U.S. States and Industries  
作者: Adam Daigneault, Jonathan Gendron  
摘要: 美国多个关键地区的州最近经历了锯材以及纸浆和造纸厂的关闭，这对依赖自然资源的农村社区造成了有害影响。这引发了一个重要的研究问题：未来美国森林部门的关键宏观经济和相关变量将如何变化？为此，我们采用向量误差修正（VEC）模型预测美国六个森林依赖程度最高的州（阿拉巴马州、阿肯色州、缅因州、密西西比州、俄勒冈州和威斯康星州）三个主要行业（林业和伐木业、木材制造业和造纸制造业）的经济趋势。预测结果表明，林业和伐木业的就业和企业数量普遍下降。木材制造业有类似的发现，但就业总体上预计会增加。造纸制造业的就业、产出和企业数量预计将下降，而工资将保持稳定。该分析强调了木材加工业在面对经济冲击时可能比其他林业相关行业更具韧性。这种区域预测为地区政策制定者和行业利益相关者提供了宝贵的见解，帮助他们预测经济变化并实施支持受影响社区的策略。此外，本研究应用的方法可以扩展到其他非林业行业，如采矿、农业和能源生产，为评估资源依赖社区的经济韧性提供了一个框架。
链接: http://arxiv.org/abs/2503.23569v1  

标题: Are Bushmeat Hunters Profit Maximizers or Simply Brigands of Opportunity?  
作者: Wayne A. Morra, Gail W. Hearn, Andrew J. Buck  
摘要: 赤道几内亚比奥科岛的丛林肉猎人使用猎枪和陷阱捕获野生树栖和地面动物，在马拉博丛林肉市场出售。两种经济效率分析工具——生产可能性边界和等收入线，可用于解释丛林肉捕获率空间分布的事后变化。本研究分析了比奥科岛过去十年开放获取野生动物狩猎的技术效率随时间变化和不同地点的变化。由于野外和丛林肉市场缺乏足够的冷藏设施，动物必须迅速出售。结果导致捕获分布效率低下，因此捕获了过多错误的动物物种。较大、繁殖较慢的哺乳动物（如猴子）在较小、繁殖较快的哺乳动物（如蓝小羚羊和袋鼠）之前消失，导致生产可能性边界变陡，促使猴子的捕获量超过预期效率水平。猎人在进入新区域后不久，猴子的相对售价超过了地面动物和树栖动物之间的转换率，引发了低效和不可持续的捕获。
链接: http://arxiv.org/abs/2503.23559v1  

标题: Google and China's Trade  
作者: Cui Hu, Ben G. Li  
摘要: 尽管谷歌在中国被屏蔽，但中国省份向最近搜索过它们的外国国家（最多12个月前）出口显著增加。这种关注溢价主要体现在出口的广泛边际上，在相对同质、可替代和处于生产过程中上游的产品中更大，并且在COVID大流行期间和假日季节更为明显。中国从世界其他地区的进口没有发现这种关注溢价。我们的研究结果证明了在线关注作为国际贸易中由进口商分配的稀缺资源。
链接: http://arxiv.org/abs/2503.23557v1  

标题: Reinterpreting demand estimation  
作者: Jiafeng Chen  
摘要: 本文通过将非参数结构假设解释为对反事实结果的限制，将需求估计文献与因果推断文献联系起来。它对关键需求估计假设在Neyman-Rubin潜在结果模型中的非平凡和等价重述，适用于市场级数据（Berry和Haile，2014）和人口特定市场份额（Berry和Haile，2024）的设置。这一实践通过将符号和语言差异与实质性差异分开，有助于弥合结构估计和因果推断文献之间的差距。
链接: http://arxiv.org/abs/2503.23524v1  

标题: Forward Selection Fama-MacBeth Regression with Higher-Order Asset Pricing Factors  
作者: Nicola Borri, Denis Chetverikov, Yukun Liu, Aleh Tsyvinski  
摘要: 我们表明，常见稀疏线性因子的高阶及其相互作用可以有效地包含因子动物园。为此，我们提出了一种前向选择Fama-MacBeth程序作为估计高维随机折现因子模型的方法，分离出最相关的高阶因子。将这种方法应用于从六个广泛使用的因子（Fama-French五因子模型和动量因子）导出的项，我们表明，仅包含少量选定高阶项的所得高阶模型在样本内和样本外均显著优于传统基准。此外，它有效地包含了来自广泛因子动物园的大多数因子，这表明大多数动物园因子的定价能力归因于它们对常见线性因子高阶项的暴露。
链接: http://arxiv.org/abs/2503.23501v1

标题: Labor Market Impact on Homelessness: Evidence from Canadian Administrative Data on Shelter Usage  
作者: Damba Lkhagvasuren, Purevdorj Tuvaandorj  
摘要: 绝大多数无家可归者都没有工作，尽管许多人表示愿意工作。虽然无家可归与失业之间这种强烈的个体层面联系已有充分记录，但劳动力市场动态对无家可归现象的广泛影响仍未得到充分探索。为填补这一空白，本文研究了当地劳动力市场状况对无家可归持续时间的影响，使用个人无家可归者收容所使用记录作为衡量其无家可归持续时间的代理指标。具体而言，我们利用加拿大2014-2017年国家无家可归信息系统数据，分析当地就业增长和当地就业率变化如何影响收容所使用持续时间。我们的研究结果显示，当地就业率每增加1%，平均收容所使用时间减少0.11个季度（约0.33个月），而当地就业率每上升1%则导致平均收容所使用时间减少0.34个季度（约1.02个月）。这些变化分别相当于收容所平均停留时间减少了2.9%和8.9%。研究结果强调了就业机会在减少无家可归现象中的关键作用，并为针对无家可归者的就业导向政策干预提供了支持。此外，结果表明人口差异——特别是原住民和男性在无家可归者中的比例过高——部分可以通过这些群体脱离无家可归状态的较慢速度来解释。  
链接: http://arxiv.org/abs/2503.23259v1  

标题: A mean-field theory for heterogeneous random growth with redistribution  
作者: Maximilien Bernard, Jean-Philippe Bouchaud, Pierre Le Doussal  
摘要: 我们研究了在站点数量非常大但有限的平均场极限下，随机乘数增长与再分配/迁移之间的竞争关系。我们发现，对于静态随机增长率，迁移必须足够强才能防止局部化现象，即资源极端集中于增长最快的站点。在增长率存在额外时间噪声的情况下，利用Derrida随机能量模型的理论结果预测存在第三类部分局部化相态。这种时间波动虽然能缓解集中效应，但不会使其完全消失。我们在人口增长和财富不平等的背景下讨论了这些结果。  
链接: http://arxiv.org/abs/2503.23189v1  

标题: Slowing Climate Change and Ocean Acidification by Converting Atmospheric Carbon Dioxide to Graphite (CD2G)  
作者: Kevin Geyer Harrison  
摘要: 从大气中去除二氧化碳可能减缓气候变化和海洋酸化。我的方法是将大气中的二氧化碳转化为石墨（CD2G）。这种转化的净收益约为每从大气中去除一吨二氧化碳381美元。在十亿吨规模上，CD2G工厂将提高石墨的可负担性和可获得性。由于石墨可用于制造热电池以及燃料电池和电池的电极，CD2G工厂将有助于降低储存可再生能源的成本，从而加速向可再生能源的转型。用可再生能源替代化石燃料能源将减缓二氧化碳向大气的释放，同时也减缓气候变化。将大气中的二氧化碳转化为石墨既能产生利润，又能减缓气候变化。  
链接: http://arxiv.org/abs/2504.01033v2  

标题: Estimation of Latent Group Structures in Time-Varying Panel Data Models  
作者: Paul Haimerl, Stephan Smeekes, Ines Wilms  
摘要: 我们引入了一个面板数据模型，其中系数随时间变化和横截面变化。斜率系数随时间平滑变化并遵循潜在分组结构，在组内同质但在组间异质。使用成对自适应群组融合Lasso惩罚来识别分组结构。通过多项式样条函数估计时变系数的轨迹。我们推导了惩罚估计量和后选择估计量的渐近分布，并证明了它们的Oracle效率。模拟研究展示了优异的有限样本性质。对GDP排放强度的应用突出了在实证环境中解决横截面异质性和时变性的重要性。  
链接: http://arxiv.org/abs/2503.23165v1  

标题: Delayed Detection, Swift Blame: Investor Responses to Advisor Misconduct in Market Downturns  
作者: Jun Honda  
摘要: 尽管有持续的监管监督，咨询服务的金融不当行为仍然存在，这引发了关于其持久性和零售投资者反应性质的重要问题。使用详细的FINRA BrokerCheck数据——捕捉从不当行为开始到被检测到的时间——我们记录了检测延迟的显著异质性。虽然检测通常被延迟，但我们的分析显示，在市场低迷时期投资者的反应明显更快，这表明重大的投资组合损失促使投资者迅速将责任归咎于他们的顾问。这些发现有助于我们理解不利的经济环境如何触发更即时的投资者反应，即使整体检测仍然迟缓。  
链接: http://arxiv.org/abs/2503.22977v1  

标题: Community-driven and water quality indicators of sanitation system failures in a rural U.S. community  
作者: Lorelay Mendoza Grijalva, Allisa G. Hastie, Meili Gong, Brenda Rojas Cala, Brandon Hunter, Stephanie Wallace, Rojelio Mejia, Catherine Flowers, Khalid K. Osman, William A. Tarpeh  
摘要: 安全卫生设施的使用在高收入国家通常被认为是普遍存在的；然而，研究人员和社区倡导者已经揭露了许多低收入社区和美国有色人种社区明显缺乏卫生设施。虽然这种差异在高层次上已被识别和量化，但卫生设施失败的本地和家庭层面影响仍然定义不清。我们开发了一套基于用户和环境的指标来评估阿拉巴马州Lowndes县集中式污水处理系统、化粪池系统和直排系统的性能。我们将定性、调查和环境采样数据结合起来，全面比较不同基础设施类型下的用户体验。这种综合方法揭示了通过非正式家庭维护和系统回流导致废水暴露的新途径，并提供了废水类污染在整个社区扩散的证据。这项工作阐明了一个美国农村社区卫生设施失败的严重性，并为评估其他高收入国家卫生设施获取有限情境下的卫生质量提供了框架。  
链接: http://arxiv.org/abs/2503.22938v1  

标题: An Inverse-Ramsey Tax Rule  
作者: Luca Micheletto, Dylan Moore, Daniel Reck, Joel Slemrod  
摘要: 传统的商品税最优分析可以追溯到Ramsey（1927），其建议为了最大化福利，应该对需求弹性较低的商品征收更高的税。然而，政策制定者并不强调最小化效率成本作为理想目标。在本说明中，我们重新审视商品税问题，并表明如果税制是由纳税人选择或强烈影响的——这些纳税人相对于他人过度自信自己能够避开被征税商品——那么Ramsey逆弹性处方的吸引力本身可以被逆转。  
链接: http://arxiv.org/abs/2503.22852v1  

标题: Pareto-Nash Allocations under Incomplete Information: A Model of Stable Optima  
作者: Alfred A. B. Mayaki  
摘要: 先前关于双企业双市场和两阶段扩展动态模型的文献引入了Guth（2016）简明地称之为社会困境的状态。在这种状态下，在伯特兰双寡头垄断中竞争的集团企业考虑在默示自我执行的协议下联合优化利润以阻止市场进入。这篇理论文章重新解释了Guth（2016）强调的社会困境，不仅从分配的角度，而且通过竞争的视角，其中即使合作信号可以维持联合盈利能力，也必须合法允许进入。本研究探讨了每个企业的非瞬时反应函数上充分条件的重要性，该条件要求通过以两个负特征值或鞍形路径轨迹为特征的报复性克制来维持稳定的长期均衡。  
链接: http://arxiv.org/abs/2503.22825v1  

标题: Inference on effect size after multiple hypothesis testing  
作者: Andreas Dzemski, Ryo Okui, Wenjie Wang  
摘要: 在估计多个（可能是许多）处理效应的研究中，显著的处理效应通常在解释和总结实证发现时被强调。在这种选择性报告下，传统的处理效应估计可能有偏差，其相应的置信区间可能无法覆盖真实的效应量。我们提出了新的估计量和置信区间，基于选择性条件推断的原则，在多重假设检验后对显著效应的效应量提供有效推断。我们的方法补充了广泛的检验，包括逐步上升检验和基于自助法的逐步下降检验。我们的方法具有可扩展性，使我们能够研究一个包含370多个估计效应的应用。我们为渐近正态的处理效应估计量证明了我们的程序。我们提供了两个实证例子，展示了显著效应的偏差校正和置信区间调整。偏差校正的大小和方向取决于估计效应的相关结构以及显著效应的解释是否依赖于其他效应的（不）显著性。  
链接: http://arxiv.org/abs/2503.22369v1  

标题: Efficient low-carbon development in green hydrogen and ammonia economy: a case of Ukraine  
作者: Wadim Strielkowski  
摘要: 本文重点评估了乌克兰作为案例研究，在绿色氢和氨经济中实现高效低碳发展的潜力。它描述了该国向可再生能源转型的前提条件，并概述了正在进行的绿色氢项目。此外，本文还提供了乌克兰参与绿色氢和氨经济的全面SWOT分析。此外，本文利用Web of Science数据库中204篇选定出版物的样本，进行了全面的文献计量网络分析。通过使用VOSViewer软件对文本数据和文献计量数据进行网络聚类分析来实现这一目标。结果和成果可能对研究人员、利益相关者和政策制定者在制定旨在重建和重塑乌克兰基于可再生能源的高效低碳能源部门的有效战略和政策时有所帮助。  
链接: http://arxiv.org/abs/2503.22326v1  

标题: The Quantum Reserve Token: A Decentralized Digital Currency Backed by Quantum Computational Capacity as a Candidate for Global Reserve Status  
作者: Amarendra Sharma  
摘要: 美元作为全球储备货币的地位面临着来自36万亿美元国债、地缘政治变化和数字货币崛起的日益增长的挑战。本文介绍了量子储备代币（QRT），一种以量子计算能力为支撑的去中心化数字货币——这是一种稀缺的生产性资源，预计到2035年将为全球GDP增加超过1万亿美元。与比特币固定供应量的波动性、稳定币对法币信任的依赖或中央银行数字货币的管辖限制不同，QRT使用量子计算能力作为一种新颖的价值锚定。本研究为QRT开发了一个基于货币理论的框架，将其与现有的数字货币模型进行比较，并评估其在技术、经济、地缘政治和采用维度上的可行性。QRT提供了一种稳定、中立和可扩展的储备货币替代方案，可能重塑全球货币体系。  
链接: http://arxiv.org/abs/2503.22056v1  

标题: tempdisagg: A Python Framework for Temporal Disaggregation of Time Series Data  
作者: Jaime Vera-Jaramillo  
摘要: tempdisagg是一个现代化、可扩展且可用于生产的Python时间序列分解框架。它使用各种计量技术将低频聚合数据转换为一致的高频估计，这些技术包括Chow-Lin、Denton、Litterman、Fernandez和均匀插值，以及通过自动估计关键参数（如自相关系数rho）增强的变体。该包引入了超越经典方法的功能，包括通过非负最小二乘优化进行稳健的集成建模，在多重聚合规则下对负值进行后估计校正，以及通过专用的Retropolarizer模块进行基于回归的缺失值插值。在架构上，它遵循受scikit-learn启发的模块化设计，为验证、建模、可视化和结果解释提供了清晰的API。  
链接: http://arxiv.org/abs/2503.22054v1  

标题: An Artificial Trend Index for Private Consumption Using Google Trends  
作者: Juan Tenorio, Heidi Alpiste, Jakelin Remón, Arian Segil  
摘要: 近年来，使用分析趋势、情绪或新闻的数据库进行经济预测或创建指标的做法已经非常流行，尤其是使用Google Trends平台。本文探讨了谷歌搜索数据在开发新指数以提高经济预测方面的潜力，特别关注经济活动的一个关键组成部分：私人消费（占秘鲁GDP的64%）。通过选择和估计分类变量，应用机器学习技术，证明谷歌数据可以识别模式以生成实时领先指标并提高预测的准确性。最后，结果表明谷歌的"食品"和"旅游"类别显著减少了预测误差，突出了在宏观经济预测中以分段方式使用这些信息的重要性。  
链接: http://arxiv.org/abs/2503.21981v1  

标题: Randomization to Reduce Terror Threats at Large Venues  
作者: Paul B. Kantor, Fred S. Roberts  
摘要: 随机化能否比预定做法更好地确保体育场或娱乐场所等大型场所活动的安全？或许令人惊讶的是，从几个角度来看，答案是"可以"。本说明考察了对该问题广泛研究的结果，包括访谈和对选定场所安全主管的调查。研究表明：随机化有几个目标；许多安全主管认识到其潜力；但很少有人大量使用它，如果有的话。一些人担心如果对手确实突破了安全防线，他们将无法为使用随机方法辩护。其他人则担心工作人员可能无法有效执行。我们讨论了随机化似乎可以提高有效性的方式，可以有效地向必须批准安全流程的人员证明其合理性的方式，以及一些潜在的研究或监管进展。  
链接: http://arxiv.org/abs/2503.22763v1  

标题: Identification and estimation of treatment effects in a linear factor model with fixed number of time periods  
作者: Koki Fusejima, Takuya Ishihara  
摘要: 本文提供了一种新的方法来识别和估计在允许存在多个时变不可观测因素的线性因子模型下的处理组平均效应。与线性因子模型中关于处理效应的大部分文献不同，我们的方法不需要预处理期数趋于无穷大来获得有效估计量。我们的识别方法采用了与不可观测变量充分相关的时不变观测协变量的某些非线性变换。这种相关性条件可以通过预处理期的可用数据来验证，即检验变换后的协变量与预处理结果的相关性。基于我们的识别方法，我们提供了一个当只有一个处理单元且控制单元数量很大时，参与处理效应的渐近无偏估计量。  
链接: http://arxiv.org/abs/2503.21763v1  

标题: A Powerful Bootstrap Test of Independence in High Dimensions  
作者: Mauricio Olivares, Tomasz Olma, Daniel Wilhelm  
摘要: 本文提出了一种非参数检验方法，用于检验一个随机变量与大量其他随机变量之间的独立性。检验统计量是几个Chatterjee秩相关的最大值，临界值通过块乘数自助法计算。该检验被证明在数据生成过程的大类上渐近控制大小，即使变量数量远大于样本量。该检验对任何固定备择假设都是一致的。它可以与逐步程序结合使用，从池中选择那些违反独立性的变量，同时控制族错误率。所有正式结果完全不受池中变量之间依赖关系的限制。在模拟中，我们发现我们的检验非常强大，在大多数考虑的场景中优于现有检验，特别是在高维度和/或池中变量相互依赖的情况下。  
链接: http://arxiv.org/abs/2503.21715v1  

标题: Securing the supply of graphite for batteries  
作者: Karan Bhuwalka, Hari Ramachandran, Swati Narasimhan, Adrian Yao, Julia Frohmann, Leopold Peiseler, William Chueh, Adam Boies, Steven J. Davis, Sally Benson  
摘要: 电池对石墨日益增长的需求，特别是电动汽车的需求，引发了关于供应链安全的担忧。目前，全球超过92%的负极材料在中国生产，这对依赖石墨供应国内产业的其他国家构成了地缘政治风险。本文使用基于过程的成本模型评估了在美国和中国生产电池级石墨（天然和合成）的成本。我们发现，由于资本密集度和投入成本较高，美国的石墨生产成本显著高于中国。我们的分析显示，在当前市场价格下，美国大多数建模项目都不具有竞争力。我们确定了关键的成本驱动因素，包括资本成本、规模经济和投入材料价格，并探索了提高美国石墨生产竞争力的途径，如支持性融资和工艺创新方向。对常规石墨规模化生产成本的分析也为替代途径（如甲烷热解和催化石墨化）的天花板成本提供了参考。本研究强调了建设多元化石墨供应链的挑战和权衡，并为政策和投资决策提供了信息。  
链接: http://arxiv.org/abs/2503.21521v2  

标题: Smart treaties: A path to binding agreements in international relations?  
作者: Niklas Valentin Lehmann  
摘要: 我们能在国家之间建立具有约束力的协议吗？最近，学者们认为区块链技术使我们能够做到这一点。鉴于这可能极大地影响国家主权所暗示的无政府世界秩序，这一引人注目的主张受到了彻底调查。通过聚焦国家间智能合约的技术实现，本文发现使用区块链技术创建具有约束力协议的潜力远比最近建议的要有限。  
链接: http://arxiv.org/abs/2503.21516v1  

标题: Gene-environment interplay and public policies  
作者: Dilnoza Muslimova, Niels Rietveld  
摘要: 我们认为，基因-环境相互作用（GxE）研究应该在理论上和实证上都得到发展，以对政策制定者具有相关性。在理论前沿，这种发展是必要的，因为当前文献缺乏捕捉各种公共政策目标的清晰框架的整合。在实证上，GxE模型需要进一步发展，因为建模GxE效应的常见方法未能充分捕捉公共政策可能沿遗传倾向分布（如多基因指数所捕获的）的异质效应。我们通过为GxE研究提出政策分类和为推进政策信息性GxE相互作用的实证建模提供指导来填补这些空白。在这样做的同时，我们对利用政策改革或公共政策可针对的环境对教育结果进行的现有GxE研究进行了系统综述。  
链接: http://arxiv.org/abs/2503.22441v1  

标题: The evolving boundary of green technology  
作者: Nicolò Barbieri, Kerstin Hötte, Peter Persoon  
摘要: 绿色专利是追踪旨在应对气候变化的技术努力的关键指标。使用合并不同Patstat版本的原始数据集，我们识别了可能使绿色专利统计数据产生偏差的三种机制，可能导致相互矛盾的发现。首先，由于（绿色）分类代码更新导致的专利重新分类，在使用最新的分类结构时，绿色专利数量增加了9.2%。其次，合作专利分类（CPC）系统采用的延迟引入了地区偏差，因为来自较晚采用国家的约10%的绿色专利在较旧版本的数据库中未被检测到。第三，我们提供了证据表明用于识别高价值发明的质量阈值显著影响了绿色专利的趋势。通过分析这些机制，我们的论文揭示了许多研究中大量绿色专利被系统性忽视，对最近年份和源自亚洲专利局的专利影响最为强烈。这些发现导致了相关的政策影响。我们的结果表明，不仅全球绿色创新率已经加速，而且其中心已经转移，越来越多的绿色专利来自新兴技术领导者，特别是在亚洲。  
链接: http://arxiv.org/abs/2503.21310v1  

标题: The "Days of Learning" Metric for Education Evaluations  
作者: Gregory Camilli  
摘要: 第三次全国特许学校研究旨在测试特许学校是否有效，并突出学术进步的成果。结果显示，典型的特许学校学生在数学上比非特许公立学校的类似学生多出6天，在阅读上多出16天。用于声称特许学校表现更好的关键指标是"学习天数"。在本报告中，我们利用NAEP数据探讨了学习天数指标的起源，并考虑了将学习天数解释为年内增长的问题。  
链接: http://arxiv.org/abs/2503.22739v2  

标题: Inferring Treatment Effects in Large Panels by Uncovering Latent Similarities  
作者: Ben Deaner, Chen-Wei Hsiang, Andrei Zeleneev  
摘要: 未观测到的混杂因素的存在是识别处理效应的主要挑战之一。在本文中，我们提出了一种使用大N和大T面板数据进行因果推断的新方法。我们的方法通过使用具有相似潜在混杂变量值的未处理个体的结果为处理单元插补未处理的潜在结果。为了找到具有相似潜在特征的单元，我们利用了结果的长期预处理历史。我们的分析基于对未处理潜在结果和处理的非参数、非线性和不可分离因子模型。该模型满足最小的平滑性要求。我们基于构建的单元间潜在相似性度量，使用核平滑插补缺失的反事实结果和倾向得分，并证明我们的估计可以达到最优的非参数收敛速度（对数项除外）。使用这些估计，我们构建了针对特定时期处理组平均效应（ATT）的双重稳健估计量，并提供了在该估计量具有√N一致性、渐近正态性和无偏性条件下的条件。我们的模拟研究表明，我们的方法在广泛的数据生成过程中提供了准确的推断。  
链接: http://arxiv.org/abs/2503.20769v2  

标题: Demand Estimation with Text and Image Data  
作者: Giovanni Compiani, Ilya Morozov, Stephan Seiler  
摘要: 我们提出了一种需求估计方法，利用非结构化文本和图像数据来推断替代模式。使用预训练的深度学习模型，我们从产品图像和文本描述中提取嵌入特征，并将其纳入随机系数logit模型。这种方法使研究人员即使在缺乏产品属性数据或消费者重视难以量化的属性（如视觉设计或功能优势）时也能估计需求。使用选择实验的数据，我们表明我们的方法在预测消费者第二选择的逆事实方面优于标准的基于属性的模型。我们还在亚马逊的40个产品类别中应用了该方法，并一致发现文本和图像数据有助于识别每个类别中的紧密替代品。  
链接: http://arxiv.org/abs/2503.20711v2  

标题: Large Structural VARs with Multiple Sign and Ranking Restrictions  
作者: Joshua Chan, Christian Matthes, Xuewen Yu  
摘要: 大型VAR越来越多地被用于结构分析，作为同时研究多个结构冲击影响的统一框架。然而，使用符号和排序限制同时识别多个冲击带来了重大的实际挑战，以至于现有算法无法用于如此大型的VAR。为了解决这个问题，我们引入了一种新的数值高效算法，便于在具有大量结构限制的大型结构VAR中估计脉冲响应和相关度量。该方法通过一个35变量的VAR进行了说明，其中使用了超过100个符号和排序限制来识别8个结构冲击。  
链接: http://arxiv.org/abs/2503.20668v1  

标题: Supply chain network rewiring dynamics at the firm-level  
作者: Tobias Reisch, András Borsos, Stefan Thurner  
摘要: 供应链网络（SCN）构成了任何社会的结构支柱。它们构成了字面上为每个人生产一切的社会代谢，通过协调地球上几乎每一个人。SCN绝不是静态的，而是通过企业的进入和退出以及供应关系的重新安排经历永久性变化。在这里，我们使用一个独特的数据集来探索国家SCN中企业及其供应商-买方关系的时间演变。匈牙利2014年至2022年每月报告的增值税数据使我们能够重建整个经济体，包括711,248家公司和38,644,400个连接，涵盖了几乎整个经济体在企业层面分辨率上的每一个重组事件。我们发现，每年约有25%的企业退出SCN，而28%的新企业进入。平均而言，一年中存在的所有供应链接中有55%在下一年将不存在。我们报告供应链接的半衰期为13个月。新链接以概率p(i)∝k_i^1.08超级优先地附着到企业，其中k_i是企业i的供应连接数。我们校准了一个简单的统计网络生成模型，该模型再现了主导匈牙利SCN的典型特征。该模型不仅再现了局部网络特征，如入度和出度分布、同配性和聚类结构，还捕捉了现实的系统性风险特征。我们讨论了当前模型如何对经济重新连接动态至关重要，以量化其韧性并估计冲击传播。  
链接: http://arxiv.org/abs/2503.20594v1  

标题: General Training and Worker Motivation: Experimental Evidence on Discretionary Effort  
作者: Lawrence Choo, Senran Lin, Liangfo Zhao  
摘要: 本研究调查了工人对雇主资助的通用培训的反应，这种培训提供的技能不仅在现任雇主中有用，而且在行业中的其他公司也有用。虽然先前的研究主要集中在工人对工资重新谈判的反应上，但我们的工作通过探索一个额外的维度——工人超出其职责的自由裁量努力（这是不可验证的）——扩展了这一理解。我们进行了一个实验室实验，观察工人在这种努力中对不同培训强度的反应。我们发现，工人通常会增加他们的自由裁量努力以回应通用培训，无论是由雇主资助还是强制要求的。此外，雇主提供培训的意图影响了努力和工人的重新谈判反应。此外，当工人可以惩罚雇主时，他们会这样做，尽管较高的雇主决定培训强度会减轻这种行为。  
链接: http://arxiv.org/abs/2503.20560v1  

标题: Entrepreneurial Motivations and ESG Performance Evidence from Automobile Companies Listed on the Chinese Stock Exchange  
作者: Jun Cui  
摘要: 本研究探讨了企业家动机对中国证券交易所上市汽车公司ESG绩效的影响。使用定量方法和通过STATA软件进行的实证分析，研究考察了基线稳定性、内生性、异质性以及中介/调节机制。分析了2003年和2023年上海和深圳证券交易所的50家公司的样本。结果表明，企业家动机通过创新能力和市场竞争强度的调节正向影响ESG绩效。这些发现提供了理论和实践见解，与利益相关者和制度理论一致。该研究为理解中国汽车行业战略ESG行为提供了一个稳健的框架。  
链接: http://arxiv.org/abs/2503.21828v1  

标题: Economic impact of biomarker-based aging interventions on healthcare costs and individual value  
作者: Federico Felizzi  
摘要: 我们研究了通过生物标志物监测和靶向干预控制衰老速度的经济影响。使用DunedinPACE表观遗传时钟作为生物衰老速率的测量指标，我们建模了不同干预情景如何影响虚弱轨迹及其随后对医疗成本、寿命和健康质量的影响。我们的模型表明，从50岁开始控制DunedinPACE可以减少虚弱患病率，在最乐观的情景下，40年内每人累计节省医疗费用高达131,608瑞士法郎。从个体角度来看，考虑到寿命延长和健康质量改善，对这种干预的支付意愿达到670万瑞士法郎。这些发现表明，能够监测和修改生物衰老速率的技术具有巨大的经济价值，为医疗系统和消费者导向的长寿医学商业模式提供了证据。  
链接: http://arxiv.org/abs/2503.20357v1  

标题: Analysis of Information Digestion Differences among Players in Online C2C Markets  
作者: Jun Sashihara, Teruaki Hayashi  
摘要: 近年来，消费者对消费者（C2C）市场的规模显著增长，突显了买卖双方之间信任的重要性日益增加。然而，在C2C市场中，产品信息的哪些具体方面有助于有效沟通和建立信任仍然知之甚少。本研究探讨了信息消化的概念——信息被准确理解的过程——旨在阐明卖家和买家在信息消化过程中的差异，以明确产品页面信息的作用。为了解决这个问题，我们进行了两个实验：一个涉及400名受试者的问卷调查和一个有15名参与者参与的眼动联合分析。最初，我们基于Foote、Cone和Belding（FCB）网格从四个不同的产品类别中选择了八个样本产品，并比较了卖家和买家认为重要的产品信息组成部分。随后，我们创建了12种类型的产品页面，这些页面在四个属性（标题、价格、产品描述和图像）的组合上有所不同。实验1揭示了买家和卖家在产品页面组成部分重要性认知上的显著差异。它还表明，产品类别和交易经验影响了买家对这些组成部分的重要性分配。实验2的结果显示，买家优先考虑产品描述，并基于他们的信息消化模式识别出两种不同的买家群体：一种是仔细阅读和消化信息，另一种是更快地处理信息。这些发现增强了我们对在线C2C市场中信任建立机制的理解，并为平台设计者和市场参与者提供了实用的见解。  
链接: http://arxiv.org/abs/2503.20834v1  

标题: Sino-US S and T Frictions and Transnational Knowledge Flows: Evidence from machine learning and cross-national patent data  
作者: Yanqing Yang, Nan Zhang, Jinfeng Ge, Yan Xu  
摘要: 本文利用中国、美国、欧洲和世界专利局（WPO）的发明专利申请数据以及基于机器学习的计量方法，识别了中美科技摩擦对不同领域知识流动的影响。实证结果发现，中美科技摩擦对跨境知识流动的负面影响局限于我们观察期间内的有限技术领域。本文进一步探讨了受负面影响的技术领域的特征，实证结果表明，那些更依赖基础科学研究、美国科技实力分布更集中以及中美科技差距较小的技术领域更可能成为中美科技摩擦的受害者。  
链接: http://arxiv.org/abs/2503.21822v1  

标题: Quasi-Bayesian Local Projections: Simultaneous Inference and Extension to the Instrumental Variable Method  
作者: Masahiro Tanaka  
摘要: 虽然局部投影（LPs）被广泛用于脉冲响应分析，但现有的贝叶斯方法面临基本挑战，因为一组LPs不构成似然函数。先前的研究通过构建伪似然来解决这个问题，要么将LPs视为具有多元正态误差结构的看似无关回归系统，要么应用带有三明治估计量的准贝叶斯方法。然而，这些方法导致的后验分布"校准不佳"，阻碍了适当的贝叶斯信念更新并使后验分布的解释复杂化。为了解决这些问题，我们提出了一种使用拉普拉斯型估计量推断LPs的新准贝叶斯方法。具体来说，我们基于广义矩量法准则构建了一个准似然，避免了限制性分布假设并提供了校准良好的推断。所提出的框架能够估计同步可信带，并自然地扩展到带有工具变量的LPs，提供了对该方法的首次贝叶斯处理。此外，我们介绍了两种能够处理具有拉普拉斯型估计量的LPs高维参数空间的后验模拟器。我们通过广泛的蒙特卡洛模拟和美国货币政策的应用证明了我们方法的有效性。  
链接: http://arxiv.org/abs/2503.20249v1  

标题: InfoBid: A Simulation Framework for Studying Information Disclosure in Auctions with Large Language Model-based Agents  
作者: Yue Yin  
摘要: 在在线广告系统中，发布者经常面临信息揭示策略的权衡：揭示更多信息可以通过优化广告印象分配来提高效率，但可能通过减少竞争广告商之间的不确定性而失去收入潜力。与市场设计中的其他挑战类似，理解这种权衡受到现实世界数据访问有限的限制，促使研究人员和实践者转向模拟框架。大型语言模型（LLMs）的最近出现为模拟提供了一种新方法，提供了类似人类的推理和适应性，而不一定依赖于对代理行为建模的明确假设。尽管有潜力，现有框架尚未整合基于LLM的代理来研究信息不对称和信号策略，特别是在拍卖背景下。为了填补这一空白，我们引入了InfoBid，一个灵活的模拟框架，利用LLM代理在多代理拍卖设置中检查信息揭示策略的影响。使用GPT-4o，我们实现了具有多样化信息模式的第二价格拍卖的模拟。结果揭示了信号如何影响战略行为和拍卖结果的关键见解，这些见解与经济和社会学习理论一致。通过InfoBid，我们希望促进使用LLMs作为人类经济和社会代理的替代品在实证研究中，增强我们对它们能力和局限性的理解。这项工作弥合了理论市场设计和实际应用之间的差距，推进了市场模拟、信息设计和基于代理的推理研究，同时为探索数字经济动态提供了有价值的工具。  
链接: http://arxiv.org/abs/2503.22726v1  

标题: Treatment Effects Inference with High-Dimensional Instruments and Control Variables  
作者: Xiduo Chen, Xingdong Feng, Antonio F. Galvao, Yeheng Ge  
摘要: 当处理众多工具变量和非稀疏控制变量时，获得有效的处理效应推断仍然是一个具有挑战性的问题。在本文中，我们提出了一种基于岭正则化的新颖工具变量方法，用于在存在高维工具变量和高维控制变量的情况下进行估计和推断。这些方法无论是否假设稀疏性都适用。为了解决高维工具变量引起的偏差，我们引入了一种结合数据分割策略的两步程序。我们建立了估计量的统计性质，包括一致性和渐近正态性。此外，我们通过提供估计量渐近方差的一致估计量来开发统计推断程序。通过数值模拟评估了所提出方法的有限样本性能。结果表明，在各种设置下，新估计量始终优于现有的基于稀疏性的方法，为更复杂的情景提供了有价值的见解。最后，我们提供了一个实证应用，通过使用高维工具变量和高维协变量解决潜在的内生性，估计了学校教育对收入的因果效应。  
链接: http://arxiv.org/abs/2503.20149v1  

标题: EASI Drugs in the Streets of Colombia: Modeling Heterogeneous and Endogenous Drug Preferences  
作者: Santiago Montoya-Blandón, Andrés Ramírez-Hassan  
摘要: 非法毒品消费者对大规模政策变化（如合法化）的反应在很大程度上受其需求行为的调节。由于个体毒品使用由许多不可观测因素驱动，考虑未观测到的异质性对于建模需求和设计有针对性的公共政策至关重要。本文引入了有限高斯混合的精确仿射石指数（EASI）需求系统来估计哥伦比亚大麻、可卡因和basuco（可卡因残留物或"快克"）的联合需求，考虑了角落解和内生价格变化。我们的结果强调了未观测到的异质性在识别可靠价格弹性中的重要性。该方法揭示了两个常规消费者亚群："安全"（娱乐）使用者和"成瘾"使用者，大多数属于第一组。对于估计精确且具有全国代表性的"安全"组，所有三种毒品都表现出单一价格弹性，可卡因与大麻互补，basuco作为可卡因的劣质替代品。鉴于哥伦比亚大麻的低生产成本，合法化可能会显著压低价格。我们的反事实分析表明，价格下降50%将导致每个代表性消费者获得363美元的效用等价支出收益，政府税收收入1.2亿美元，毒贩收入损失1.27亿美元。因此，合法化有可能减少毒品相关犯罪活动的动机，这是哥伦比亚当前暴力犯罪的最大来源。  
链接: http://arxiv.org/abs/2503.20100v1  

标题: Quantifying Changes to Healthcare Utilization After a Reduction in Cost-sharing Among Deductible Plan Enrollees  
作者: Kris Wain, Debra P Ritzwoller, Marcelo Coca Perraillon  
摘要: 健康计划免赔额是一种成本分担形式，要求患者在保险支付福利之前自付费用。免赔额计划在美国变得越来越普遍，以缓解不断上升的医疗成本。量化免赔额增加的成本分担对利用的影响是一个具有挑战性的实证问题，因为个人和雇主自我选择加入免赔额计划。我们通过利用家庭成员意外受伤作为工具变量来评估免赔额计划中成本分担的影响，该变量强烈预测未受伤家庭成员达到其免赔额最大值，从而导致成本分担减少。我们的结果指标检查了受成本分担影响的利用与不受成本分担影响的利用。使用来自同一医疗系统的数据来控制质量和提供者网络，我们发现达到免赔额增加了急诊科（ED）利用10.0个百分点（pp）。增加的ED利用中近四分之一是潜在可避免的。不受成本分担影响的健康检查减少了5.7 pp。对于高免赔额计划和达到自付最高限额的家庭，结果相似。这些发现提供了因果证据，表明加入免赔额计划的个人在成本分担外生减少后改变了利用模式。  
链接: http://arxiv.org/abs/2503.19992v1  

标题: Identification of Average Treatment Effects in Nonparametric Panel Models  
作者: Susan Athey, Guido Imbens  
摘要: 本文研究了面板数据设置中平均处理效应的识别。它引入了一个新颖的非参数因子模型，并证明了平均处理效应的可识别性。识别证明基于引入一个一致估计量。证明的基础是一个结果，即对于每个单位和时间段，在没有处理的情况下存在一个对预期结果的一致估计量；这个结果可以更广泛地应用，例如在群体层面结果差异分解的问题中，如被广泛研究的性别工资差距。  
链接: http://arxiv.org/abs/2503.19873v1  

标题: Two Level Nested and Sequential Logit  
作者: Davide Luparello  
摘要: 本技术说明提供了两级嵌套和序列logit模型中基本方程的全面推导，用于分析分层选择结构。我们展示了Berry（1994）反演公式、嵌套包容值计算和多层次市场份额方程的推导，补充了现有文献。虽然在概念上不同，但嵌套和序列logit模型在特定的分布假设下共享数学相似性，并产生相同的反演公式——提供了有价值的分析见解。这些笔记作为研究人员在实证应用中实现多层次离散选择模型（特别是在产业组织和需求估计背景下）的实用参考，并补充了Mansley等人（2019）。  
链接: http://arxiv.org/abs/2503.21808v2  

标题: The Nonlinear Impact of Minimum Wage on Labor Employment in China  
作者: Junhan Lyu, Tianle Zhai, Zicheng Peng, Xuhang Huang  
摘要: 本文研究了提高最低工资的影响，主要关注其对就业的影响。我们的研究包括分析面板数据的统计、测试固定效应和平稳性、进行线性回归，并将线性回归模型与非线性模型分析相结合。结果表明，就业率的波动几乎完全由选定的解释变量解释，最低工资与就业率之间存在显著的负相关关系。本文通过使用非线性模型提供了更全面的分析，特别是通过使用非线性模型，得到了拟合更好的模型。我们采用了多种拟合方法对时间序列数据及其差分进行拟合，并将这些结果与非线性分析相结合。  
链接: http://arxiv.org/abs/2503.19617v1  

标题: Bayesian Outlier Detection for Matrix-variate Models  
作者: Monica Billio, Roberto Casarin, Fausto Corradin, Antonio Peruzzi  
摘要: 贝叶斯因子（BF）是贝叶斯分析中用于模型选择的工具之一。预测BF在检测异常值方面有应用，异常值是估计和预测误差的相关来源。提供了一个用于异常值检测的有效框架，并专门为大型多维数据集设计。在线检测和解析易处理性保证了程序的高效性。所提出的顺序贝叶斯监测将单变量设置扩展到矩阵变量设置。基于功率折扣的先验扰动被应用以获得易处理的预测BF。这样，贝叶斯分析中计算密集的程序就不需要了。推导了导致异常值识别中无结论反应的条件，并提出了一些稳健的方法，这些方法利用预测BF的变异性来改进标准折扣方法

标题: The economics of global personality diversity  
作者: Paul X. McCarthy, Xian Gong, Marieth Coetzer, Marian-Andrei Rizoiu, Margaret L. Kern, John A. Johnson, Richard Holden, Fabian Braesemann  
摘要: 本研究探讨了人格多样性与国家经济表现之间的关系，引入了全球人格多样性指数（Ψ-GPDI）作为新指标。基于135个国家760,242人的数据集，我们量化了基于大五人格特质的国内多样性。研究发现人格多样性解释了人均GDP差异的19.9%，在制度质量和移民因素之外额外提供了2.8%的解释力，凸显其对经济活力的独特贡献。通过多因素分析，我们展示了人格多样性如何补充现有经济框架，为寻求增强创新、生产力和韧性的政策制定者提供了可行见解。这项研究将心理多样性定位为推动经济增长的关键但尚未充分探索的因素，搭建了心理学与经济学之间的桥梁。  
链接: http://arxiv.org/abs/2503.19388v3  

标题: Automatic Inference for Value-Added Regressions  
作者: Tian Xie  
摘要: 在使用诸如经验贝叶斯等收缩方法来改进教师增值估计时很常见。然而，当目标是对增值与长期结果回归系数进行推断时，尚不清楚收缩增值估计量是否有帮助或损害。本文考虑了一般的增值估计量类别及其相应回归系数的性质。我们的主要发现是，将长期结果对增值的收缩估计量进行回归会自动进行偏差校正：相关回归估计量是渐近无偏的、渐近正态的，并且在效率意义上与对真实（潜在）增值的回归渐近等价。此外，对收缩估计量进行回归的OLS标准误是一致的。因此，高效推断对实践者来说很容易实现：只需将结果对增值的收缩估计量进行回归即可。  
链接: http://arxiv.org/abs/2503.19178v1  

标题: Augmenting or Automating Labor? The Effect of AI Development on New Work, Employment, and Wages  
作者: David Marguerit  
摘要: 人工智能（AI）通过改变职业的任务内容正在重塑劳动力市场。本研究调查了2015-2022年AI发展对美国新工作出现、就业和工资的影响。我开发了创新方法来衡量职业和行业对替代劳动力（自动化AI）或增强工人产出（增强AI）的AI技术的暴露程度，并识别新工作（即新职位名称）。为解决内生性，我使用工具变量估计量，利用与美国经济联系有限的国家的AI发展。研究结果表明，自动化AI对低技能职业的新工作、就业和工资产生负面影响，而增强AI促进高技能职业新工作的出现并提高工资。这些结果表明AI可能导致工资不平等加剧。  
链接: http://arxiv.org/abs/2503.19159v1  

标题: Empirical Bayes shrinkage (mostly) does not correct the measurement error in regression  
作者: Jiafeng Chen, Jiaying Gu, Soonwoo Kwon  
摘要: 在增值文献中，通常声称使用收缩估计量（如经验贝叶斯）对线性回归进行回归可以解决测量误差问题。我们澄清了所需的条件；我们认为这些条件比经典测量误差校正所需的条件更强，我们主张使用后者。此外，我们证明在没有更强假设的情况下无法改进经典估计量。我们将这些结果扩展到对潜在属性非线性变换的回归，并发现一般情况下存在较慢的极小极大估计速率。  
链接: http://arxiv.org/abs/2503.19095v1  

标题: Cursed Job Market Signaling  
作者: Po-Hsuan Lin, Yen Ling Tan  
摘要: 我们研究了"诅咒"（即忽视他人策略如何依赖于其私人信息的倾向）如何影响Spence工作市场信号传递博弈中的信息传递。我们刻画了"被诅咒的"序贯均衡，并表明随着参与者变得更加"被诅咒"，工人获得的教育（一种不提高生产力的昂贵信号）减少，这表明诅咒提高了信息传递的效率。然而，这种效率改进取决于消息空间的丰富程度。重新审视Kübler、Müller和Normann（2008）的工作市场信号传递实验，我们找到了支持我们理论的证据。  
链接: http://arxiv.org/abs/2503.19089v2  

标题: Forecasting Labor Demand: Predicting JOLT Job Openings using Deep Learning Model  
作者: Kyungsu Kim  
摘要: 本论文研究了长短期记忆模型在预测美国未来职位空缺和劳动力流动调查数据方面的有效性。从多个来源提取多种经济指标，数据直接输入LSTM模型以预测后续时期的JOLT职位空缺。将LSTM模型的性能与传统的自回归方法（包括ARIMA、SARIMA和Holt-Winters）进行比较。研究结果表明，在预测JOLT职位空缺方面，LSTM模型优于这些传统模型，因为它不仅捕捉了因变量的趋势，还与关键经济因素相协调。这些结果凸显了深度学习技术在捕捉经济数据中复杂时间依赖性方面的潜力，为政策制定者和利益相关者制定数据驱动的劳动力市场策略提供了宝贵见解。  
链接: http://arxiv.org/abs/2503.19048v1  

标题: Role of AI Innovation, Clean Energy and Digital Economy towards Net Zero Emission in the United States: An ARDL Approach  
作者: Adita Sultana, Abdullah Al Abrar Chowdhury, Azizul Hakim Rafi, Abdulla All Noman  
摘要: 本文利用ARDL方法研究了1990-2022年间AI创新、GDP增长、可再生能源利用、数字经济和工业化对美国CO2排放的影响。结果表明，AI创新、可再生能源利用和数字经济减少了CO2排放，而GDP扩张和工业化加剧了生态系统破坏。单位根检验（ADF、PP和DF-GLS）揭示了各成分之间不同水平的整合，确保了ARDL分析的稳健性。补充方法（FMOLS、DOLS和CCR）验证了结果，增强了其可靠性。成对格兰杰因果评估确定了CO2排放与AI创新以及数字经济之间的强单向联系，强调了它们在生态可持续性中的重要作用。本研究强调了采取战略行动促进公平增长的必要性，包括AI技术进步、绿色能源采用和环境友好型工业发展，以改善美国的环境质量。  
链接: http://arxiv.org/abs/2503.19933v1

来源：arxiv