Quantile regression methods for first-price auctions
第一价格拍卖的分位数回归方法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。
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：摘要通过拍卖结构关系恢复私人价值，并以分位数回归刻画价值分布。
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
第一价格拍卖的分位数回归方法
- 研究问题
- 在独立私人价值的第一价格拍卖中，如何从观察到的出价恢复私人价值分布，并进行模型设定与外生性检验？
- 方法与思路
- 作者利用私人价值与出价分位数回归之间的关系，通过出价分位数及其分位水平导数恢复价值，并提出局部多项式估计。
- 材料陈述的贡献
- 摘要称，该框架支持全分位区间估计、函数量的代入估计及 CRRA 风险厌恶扩展，并以美国林务局木材拍卖展示应用。
- 阅读关注点
- 应核对对称、风险中性和独立私人价值条件的作用，分位区间端点的估计处理，以及风险厌恶扩展所需的额外信息。
- 阅读边界
- 仅据所给出版社摘要，无法判断不同拍卖环境下的适用性；摘要未给出导数估计条件、检验细节或应用比较的具体数值。
原文摘要
The paper proposes a quantile-regression inference framework for first-price auctions with symmetric risk-neutral bidders under the independent private-value paradigm. It is first shown that a private-value quantile regression generates a quantile regression for the bids. The private-value quantile regression can be easily estimated from the bid quantile regression and its derivative with respect to the quantile level. This also allows to test for various specification or exogeneity null hypothesis using the observed bids in a simple way. A new local polynomial technique is proposed to estimate the latter over the whole quantile level interval. Plug-in estimation of functionals is also considered, as needed for the expected revenue or the case of CRRA risk-averse bidders, which is amenable to our framework. A quantile-regression analysis to USFS timber is found more appropriate than the homogenized-bid methodology and illustrates the contribution of each explanatory variable to the private-value distribution. Linear interactive sieve extensions are proposed and studied in the Appendices.