跳到正文
← 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:摘要以私人信息不可观测时的随机选择为研究对象,并从选择行为推断信息与信念,直接对应微观选择理论方向。

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
Jay Lu

随机选择与私人信息

研究问题
当私人信息对分析者不可见、选择呈现随机性时,能否仅凭选择行为识别信息,并判断信息质量与信念的一致性?
方法与思路
作者提出把私人信息与随机选择联系起来的理论框架,并建立随机选择与菜单事前价值之间的对应关系,用以推断信息及信念。
材料陈述的贡献
摘要称,在该框架中可完全识别信息、由选择离散程度比较信息质量,并检验信念的动态一致性、校准程度或理性。
阅读关注点
重点核对完全识别及菜单价值互推所需的假设、离散程度的信息排序含义,以及动态一致性和校准检验的可观测限制。
阅读边界
摘要未说明这些结论所需的选择环境、信息结构及可观测条件,不能据此认定一般随机选择数据都能识别私人信息。

原文摘要

We consider an agent who chooses an option after receiving some private information. This information, however, is unobserved by an analyst, so from the latter's perspective, choice is probabilistic or random. We provide a theory in which information can be fully identified from random choice. In addition, the analyst can perform the following inferences even when information is unobservable: (1) directly compute ex ante valuations of menus from random choice and vice versa, (2) assess which agent has better information by using choice dispersion as a measure of informativeness, (3) determine if the agent's beliefs about information are dynamically consistent, and (4) test to see if these beliefs are well‐calibrated or rational.

笔记与分组