A New Bayesian Bootstrap for Quantitative Trade and Spatial Models
定量贸易与空间模型的新贝叶斯自助法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确涉及结构参数估计、定量贸易与空间模型，以及反事实均衡预测的不确定性。
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…
关注这篇论文的作者
定量贸易与空间模型的新贝叶斯自助法
- 研究问题
- 在单位数量较少、双边数据存在复杂依赖时，如何量化定量贸易与空间模型反事实预测中的参数及均衡输入不确定性？
- 方法与思路
- 作者提出面向该类模型的贝叶斯自助法，同时考虑数据对结构参数估计和反事实均衡输入的作用，并重访既有应用。
- 材料陈述的贡献
- 摘要称方法易于实施，具有有限样本贝叶斯和渐近频率学保证，并通过贸易及空间模型案例展示实际优势。
- 阅读关注点
- 应核对双边依赖的处理方式、自助权重如何作用于两类数据用途，以及有限样本保证与渐近保证各自针对什么目标。
- 阅读边界
- 这是预印本，同行评审及期刊接收未获核实；摘要未给出依赖结构、先验或渐近条件，不能据此判断所有均衡模型均适用。
原文摘要
Economists use quantitative trade and spatial models to make counterfactual predictions. Because such predictions often inform policy decisions, it is important to communicate the uncertainty surrounding them. Three key challenges arise in this setting: the data are dyadic and exhibit complex dependence; the number of interacting units is typically small; and counterfactual predictions depend on the data in two distinct ways-through the estimation of structural parameters and through their role as inputs into the model's counterfactual equilibrium. I address these challenges by proposing a new Bayesian bootstrap procedure tailored to this context. The method is simple to implement and provides both finite-sample Bayesian and asymptotic frequentist guarantees. Revisiting the results in Waugh (2010), Caliendo and Parro (2015), and Artuç et al. (2010) illustrates the practical advantages of the approach.