Extreme Value Theory with Heterogeneous Agents
异质性主体下的极值理论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：摘要聚焦极值分布与主体类型异质性，属于分布效应方向；其以搜索技术刻画抽取次数并用于生产率、加成率等经济模型，涉及结构建模，故同时归入结构估计。
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
异质性主体下的极值理论
- 研究问题
- 摘要称，本文研究当不同类型主体从同一底层分布中获得的抽取次数不同时，这类极值过程的平均结果是否会发生变化。
- 方法与思路
- 作者提出把主体获得的抽取次数交由一个搜索技术决定，以刻画不同主体类型在期望抽取次数上的异质性，并据此推导新的极值分布类。
- 材料陈述的贡献
- 摘要称，作者推导出一类新的极值分布，将Fréchet、Gumbel、Weibull三种标准分布推广到包含主体类型异质性的情形，并推广了Gabaix等（2016）关于极值结果的一个结论。
- 阅读关注点
- 阅读全文时应核对搜索技术的具体设定、异质性如何进入极限分布、推广Gabaix等（2016）结论所需的条件，以及聚合生产率、加成率、社会网络等应用如何落地。
- 阅读边界
- 摘要未说明识别假设、推导细节、参数取值与数值结果，也未给出应用中的具体数据或实证证据，因此仅凭摘要无法判断结论的一般性与适用范围。
原文摘要
Extreme value processes feature in any economic model in which agents receive a number of draws from some distribution and we examine the behavior of the maximum in the limit as the number of draws becomes large. This paper asks: Do the average outcomes of such processes change when different agents receive a different number of draws? To answer this, we allow the number of draws an agent receives from the underlying distribution (e.g. of productivities, ideas, or utility shocks) to be given by a search technology, which reflects heterogeneity in the expected number of draws across different types of agents. We derive a new class of extreme value distributions that generalize the three standard distributions (Fréchet, Gumbel, Weibull) by incorporating heterogeneity across agent types. We generalize a result from Gabaix, Laibson, Li, Li, Resnick, and de Vries (2016) regarding extreme value outcomes and consider applications to aggregate productivity, markups, and social networks.