Demand Analysis Using Strategic Reports: An Application to a School Choice Mechanism
利用策略性报告分析需求：学校选择机制的应用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：摘要以随机效用模型从策略性学校志愿中识别偏好并比较机制福利，直接对应离散选择和结构估计。
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
利用策略性报告分析需求：学校选择机制的应用
- 研究问题
- 当学生为提高录取机会而策略性填报学校时，如何从志愿报告识别真实偏好，并比较不同学校分配机制的福利？
- 方法与思路
- 作者在随机效用框架下，利用选择环境的充分变化或偏好移动变量识别偏好，构造可计算的估计程序并应用于剑桥。
- 材料陈述的贡献
- 摘要称偏好可在两类条件之一成立时非参数识别；剑桥估计中，填报首选与真实首选录取率分别为83%和72%。
- 阅读关注点
- 核对策略报告如何映射到潜在偏好、两类识别条件需要什么变化，以及福利比较对最优行为和信念假设的敏感性。
- 阅读边界
- 福利排序依赖行为与信念假设：摘要称信念有偏时差距缩小，诚实填报时排序反转；识别条件与估计不确定性未详述。
原文摘要
Several school districts use assignment systems that give students an incentive to misrepresent their preferences. We find evidence consistent with strategic behavior in Cambridge. Such strategizing can complicate preference analysis. This paper develops empirical methods for studying random utility models in a new and large class of school choice mechanisms. We show that preferences are nonparametrically identified under either sufficient variation in choice environments or a preference shifter. We then develop a tractable estimation procedure and apply it to Cambridge. Estimates suggest that while 83% of students are assigned to their stated first choice, only 72% are assigned to their true first choice because students avoid ranking competitive schools. Assuming that students behave optimally, the Immediate Acceptance mechanism is preferred by the average student to the Deferred Acceptance mechanism by an equivalent of 0.08 miles. The estimated difference is smaller if beliefs are biased, and reversed if students report preferences truthfully.