The learning effects of subsidies to bundled goods: a semiparametric approach
捆绑商品补贴的学习效应：半参数方法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：摘要使用随机实验估计处理效应，并明确研究需求的均值、离散程度及厚尾分布。
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
捆绑商品补贴的学习效应：半参数方法
- 研究问题
- 对捆绑商品的临时补贴能否通过消费者学习其中一项商品的质量，带来持续的需求变化和需求分布调整？
- 方法与思路
- 作者结合重复消费学习模型与网约车平台随机实验，针对厚尾数据提出半参数处理效应设定及基于 L 矩的估计量。
- 材料陈述的贡献
- 摘要称，提出适用于该设定的有效估计量，并发现补贴后的部分需求变化持续超过四个月，模型校准支持学习机制。
- 阅读关注点
- 应核对随机实验设计、处理效应的半参数限制及效率论证，并区分实验识别的需求变化与模型校准给出的学习份额。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审和期刊接收均未核实；摘要未说明完整识别条件，学习份额依赖理论模型校准。
原文摘要
Can temporary subsidies to bundles induce long-run changes in demand due to learning about the quality of one of the constituent goods? This paper provides theoretical support and empirical evidence on this mechanism. Theoretically, we introduce a model where an agent learns about the quality of an innovation through repeated consumption. We then assess the predictions of our theory in a randomised experiment in a ridesharing platform. The experiment subsidised car trips integrating with a train or metro station, which we interpret as a bundle. Given the heavy-tailed nature of our data, we propose a semiparametric specification for treatment effects that enables the construction of more efficient estimators. We then introduce an efficient estimator for our specification by relying on L-moments. Our results indicate that a ten-weekday 50\% discount on integrated trips leads to a large contemporaneous increase in the demand for integration, and, consistent with our model, persistent changes in the mean and dispersion of nonintegrated app rides. These effects last for over four months. A calibration of our theoretical model suggests that around 40\% of the contemporaneous increase in integrated rides may be attributable to increased incentives to learning. Our results have nontrivial policy implications for the design of public transit systems.