Eliciting willingness-to-pay to decompose beliefs and preferences that determine selection into competition in lab experiments
通过支付意愿分解实验中竞争选择的信念与偏好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：摘要通过报酬方案选择模型，对个体信念与偏好进行结构化部分识别。
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…
通过支付意愿分解实验中竞争选择的信念与偏好
- 研究问题
- 在实验中选择竞争性报酬方案的行为，究竟反映获胜概率的主观信念还是非货币偏好，如何利用支付意愿信息区分两者？
- 方法与思路
- 作者建立按预期估值选择报酬方案的自选择模型，刻画个体支付意愿、主观信念与偏好的尖锐识别集，并研究实验设计条件。
- 材料陈述的贡献
- 摘要称给出识别集具有信息量的设计条件；应用中将竞争选择的性别差异解释为未来获胜信心差异，而非竞争偏好差异。
- 阅读关注点
- 应核对估值模型对信念与偏好的分解方式、支付意愿的实验 elicitation 机制，以及识别集收紧程度和性别差异解释的证据。
- 阅读边界
- 仅依据所给出版社摘要版本；具体实验设计、行为限制和识别集宽度未说明，关于信心与偏好的解释仍受模型及实验环境约束。
原文摘要
This paper develops a partial-identification methodology for analyzing self-selection into alternative compensation schemes in a laboratory environment. We formulate a model of self-selection in which individuals select the compensation scheme with the largest expected valuation, which depends on individual- and scheme-specific beliefs and non-monetary preferences. We characterize the resulting sharp identified sets for individual-specific willingness-to-pay, subjective beliefs, and preferences, and develop conditions on the experimental design under which these identified sets are informative. We apply our methods to examine gender differences in preference for winner-take-all compensation schemes. We find that what has commonly been attributed to a gender difference in preference for performing in a competition is instead explained by men being more confident than women in their probability of winning a future (though not necessarily a past) competition.