Entropy methods for identifying hedonic models
识别特征价格模型的熵方法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。
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：摘要研究特征价格均衡及消费者效用、生产者利润的结构识别。
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…
识别特征价格模型的熵方法
- 研究问题
- 如何证明离散特征价格模型的均衡存在并计算价格，以及利用单一市场的生产、消费和价格信息识别异质偏好与利润？
- 方法与思路
- 作者利用网络流形式分析离散模型的均衡与价格计算，再借助熵方法，结合生产消费模式及价格识别消费者效用和生产者利润。
- 材料陈述的贡献
- 摘要称，论文给出特征价格均衡存在性与整数性的证明及高效价格计算方法，并提出允许供需双方属性异质的单市场识别策略。
- 阅读关注点
- 应核对离散模型的均衡条件、熵结构承担的识别作用，以及恢复效用和利润所需的归一化、观测信息与市场假设。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明识别条件、算法复杂度及连续情形的适用性。
原文摘要
This paper contributes to the literature on hedonic models in two ways. First, it makes use of Queyranne's reformulation of a hedonic model in the discrete case as a network flow problem in order to provide a proof of existence and integrality of a hedonic equilibrium and efficient computation of hedonic prices. Second, elaborating on entropic methods developed in Galichon and Salanié (2014), this paper proposes a new identification strategy for hedonic models in a single market. This methodology allows one to introduce heterogeneities in both consumers' and producers' attributes and to recover producers' profits and consumers' utilities based on the observation of production and consumption patterns and the set of hedonic prices.