Choice Models and Permutation Invariance: Demand Estimation in Differentiated Products Markets
选择模型与置换不变性：差异化产品市场的需求估计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：摘要明确讨论消费者选择模型、差异化产品需求估计及价格弹性，对应离散选择与结构估计。
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…
选择模型与置换不变性：差异化产品市场的需求估计
- 研究问题
- 如何灵活刻画差异化产品市场中的消费者选择，在产品特征可能内生时估计需求，并对价格弹性等对象开展有效统计推断？
- 方法与思路
- 作者提出覆盖多种选择模型的选择函数刻画，用神经网络等非参数方法逼近，扩展至内生特征，并提出置信区间构造程序。
- 材料陈述的贡献
- 摘要称，该框架能缓解非参数选择函数估计的维度困难，在模拟中优于传统参数模型，并在所述汽车需求数据上产生可比较的价格弹性。
- 阅读关注点
- 应核对置换不变性如何约束选择函数、维度困难被缓解的具体条件、内生性处理方式，以及弹性置信区间的有效性与模拟比较设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实。摘要未说明具体识别条件、逼近误差界或数值结果，不能将模拟优势推广到所有市场。
原文摘要
Choice modeling is at the core of understanding how changes to the competitive landscape affect consumer choices and reshape market equilibria. In this paper, we propose a fundamental characterization of choice functions that encompasses a wide variety of extant choice models. We demonstrate how non-parametric estimators like neural nets can easily approximate such functionals and overcome the curse of dimensionality that is inherent in the non-parametric estimation of choice functions. We demonstrate through extensive simulations that our proposed functionals can flexibly capture underlying consumer behavior in a completely data-driven fashion and outperform traditional parametric models. As demand settings often exhibit endogenous features, we extend our framework to incorporate estimation under endogenous features. Further, we also describe a formal inference procedure to construct valid confidence intervals on objects of interest like price elasticity. Finally, to assess the practical applicability of our estimator, we utilize a real-world dataset from S. Berry, Levinsohn, and Pakes (1995). Our empirical analysis confirms that the estimator generates realistic and comparable own- and cross-price elasticities that are consistent with the observations reported in the existing literature.