Estimating unobserved individual heterogeneity using pairwise comparisons
利用成对比较估计不可观测个体异质性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：摘要明确将模型蕴含的比较不等式用于估计含不可观测投标人异质性的采购拍卖模型。
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…
利用成对比较估计不可观测个体异质性
- 研究问题
- 当个体异质性不可观测、取值离散且支持集未知时，能否利用模型产生的成对不等式识别并估计样本中的类型分组？
- 方法与思路
- 作者依据模型蕴含的成对不等式对个体分类，研究分组的识别与一致估计，并应用于含投标人异质性的采购拍卖模型。
- 材料陈述的贡献
- 摘要称给出分组可识别且可一致估计的条件，报告蒙特卡洛表现，并使用加州公路采购市场数据开展拍卖模型估计。
- 阅读关注点
- 应核对不等式的经济来源、不同类型的可区分条件、未知支持集的处理，以及分类误差如何影响后续拍卖估计。
- 阅读边界
- 仅依据所给出版社摘要；具体识别条件、分组算法及模拟结果未说明，不能推广到连续异质性或所有拍卖环境。
原文摘要
We propose a new method for studying environments with unobserved individual heterogeneity. Based on model-implied pairwise inequalities, the method classifies individuals in the sample into groups defined by discrete unobserved heterogeneity with unknown support. We establish conditions under which the groups are identified and consistently estimated through our method. We show that the method performs well in finite samples through Monte Carlo simulation. We then apply the method to estimate a model of lowest-price procurement auctions with unobserved bidder heterogeneity, using data from the California highway procurement market.