Robust firm pricing with panel data
利用面板数据进行稳健企业定价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：摘要明确使用面板离散选择模型识别消费者偏好，并将其连接至企业定价。
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…
利用面板数据进行稳健企业定价
- 研究问题
- 当企业无法完全了解产品需求，且消费者偏好只能部分识别时，如何将需求评估的不确定性纳入定价决策？
- 方法与思路
- 作者建立面板离散选择模型，由部分识别偏好形成定价歧义，并采用最小化最大后悔准则处理这种歧义。
- 材料陈述的贡献
- 摘要称，该框架将需求评估与后续定价整合，并通过模拟和现场数据示例展示相对常用离散选择分析的益处。
- 阅读关注点
- 应核对消费者行为假设、偏好识别集合的构造、后悔值的定义，以及定价比较使用的信息和评价标准。
- 阅读边界
- 仅据所给出版社摘要，无法确认行为假设及收益幅度；模拟和数据示例不足以说明该决策准则对所有企业均适用。
原文摘要
Firms often have imperfect information about demand for their products. We develop an integrated econometric and theoretical framework to model firm demand assessment and subsequent pricing decisions with limited information. We introduce a panel data discrete choice model whose realistic assumptions about consumer behavior deliver partially identified preferences and thus generate ambiguity in the firm pricing problem. We use the minimax-regret criterion as a decision-making rule for firms facing this ambiguity. We illustrate the framework’s benefits relative to the most common discrete choice analysis approach through simulations and empirical examples with field data.