A Frequentist Approach to Revealed Preference Analysis
显示偏好分析的频率学派方法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：摘要研究需求行为的经济模型限制、显示偏好检验及福利泛函推断。
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…
显示偏好分析的频率学派方法
- 研究问题
- 显示偏好检验通过时究竟能说明多少，样本预算的丰富程度如何决定检验发现经济上有意义的行为偏离的能力？
- 方法与思路
- 作者在随机抽样预算与需求平滑性条件下使用统计学习，连接样本量、置信水平和可检测偏离，并扩展到平滑函数限制。
- 材料陈述的贡献
- 摘要称刻画检验力随观测增加的变化，提出计算受限时的实用检验，并为需求的平滑泛函及福利效应构造置信区间。
- 阅读关注点
- 应核对预算抽样机制、需求平滑条件与偏离度量，以及平滑限制和精确显示偏好限制之间的关系及检验力计算方法。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要未列出检验公式和样本量界，不能将未拒绝模型理解为行为模型已获证实。
原文摘要
This paper develops a framework to study the statistical power of revealed-preference tests. With randomly sampled budgets and mild smoothness of demand, statistical learning implies that any model consistent with the data must approximate true choice behaviour. We interpret this result as follows: passing a revealed-preference test is informative only to the extent that the data are sufficiently rich to rule out economically meaningful departures from the maintained model. We make this precise by linking sample size and confidence to the magnitude of detectable departures, and by characterising how power rises with additional observations. Extending our approach beyond revealed-preference inequalities to smooth functional restrictions yields practical tests, even when exact revealed-preference tests are computationally infeasible. We also provide confidence intervals for smooth functionals of demand, including welfare effects. Simulations show that standard sample sizes can generate widely different power across models, contextualizing why some conditions ``rarely reject'' in practice.