Heterogeneous Choice Sets and Preferences
异质选择集与偏好AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究不可观测选择集下的离散选择分析，并在期望效用框架中识别家庭风险偏好参数。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
异质选择集与偏好
- 研究问题
- 在研究者看不到个体选择集、且选择集可能与偏好相关时，离散选择数据能对偏好参数及可选方案范围提供哪些识别信息？
- 方法与思路
- 作者对不可观测选择集仅限制其最小规模，允许其与偏好在给定观测变量后任意依赖，并以有限个条件矩不等式刻画参数的锐识别集。
- 材料陈述的贡献
- 摘要称，方法给出锐识别集；车险免赔额数据可由低风险厌恶的期望效用与异质选择集解释，超过四分之三家庭需受限选择集。
- 阅读关注点
- 阅读全文时应核对最小选择集规模的设定、锐识别证明与矩不等式推断，以及受限选择集结论对效用设定和计算方案的依赖。
- 阅读边界
- 摘要未说明效用参数化、推断细节及计算规模；家庭需要受限选择集的结论依赖模型解释，不能直接视为对真实选择集的观测。
原文摘要
We propose a robust method of discrete choice analysis when agents' choice sets are unobserved. Our core model assumes nothing about agents' choice sets apart from their minimum size. Importantly, it leaves unrestricted the dependence, conditional on observables, between choice sets and preferences. We first characterize the sharp identification region of the model's parameters by a finite set of conditional moment inequalities. We then apply our theoretical findings to learn about households' risk preferences and choice sets from data on their deductible choices in auto collision insurance. We find that the data can be explained by expected utility theory with low levels of risk aversion and heterogeneous non‐singleton choice sets, and that more than three in four households require limited choice sets to explain their deductible choices. We also provide simulation evidence on the computational tractability of our method in applications with larger feasible sets or higher‐dimensional unobserved heterogeneity.