Quantile restrictions, revealed rankings, and the limits of multinomial choice
分位数限制、揭示排序与多项选择的边界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：摘要直接讨论二元及多项离散选择概率对效用排序的识别。
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…
关注这篇论文的作者
分位数限制、揭示排序与多项选择的边界
- 研究问题
- 在半参数离散选择模型中，选择概率何时能揭示确定性效用指标的排序，二元选择的分位数限制能否推广到多项选择？
- 方法与思路
- 作者分别考察有限注意与不可交换扰动两条路径，分析全局线性排序分区，并研究固定扰动分布下的非线性单射映射。
- 材料陈述的贡献
- 摘要称，注意概率的平衡限制可支持分布稳健的全局排序分区；固定分布下的排序恢复则具有不同的成立范围。
- 阅读关注点
- 应核对注意概率平衡限制、效用差的联合变动要求、必要性结论范围，以及固定分布下映射单射性的证明条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出限制的具体形式，排序可恢复不直接等于效用完全识别。
原文摘要
This paper analyzes when choice probabilities reveal rankings of deterministic utility indices in semiparametric discrete choice models. It begins with binary choice, where quantile thresholds guarantee ranking recovery, and shows that such thresholds can arise either from behavioral departures from utility maximization (e.g., limited attention) under exchangeable unobservables, or from non-exchangeable unobservables under standard utility maximization. These behavioral and distributional routes are then extended to multinomial choice. Under limited attention, balance restrictions on attention probabilities yield global linear ranking partitions which are robust to the distribution of unobservables and, given sufficiently rich joint variation in the differences of utility indices, are also necessary. Absent the required attention restrictions, opposite rankings can produce overlapping probability images. Under non-exchangeable unobservables, a comparable distribution-uniform partition generally need not exist. Holding the distribution fixed, however, ranking recovery remains possible via an injective nonlinear map from normalized utility differences to choice probabilities under both behavioral and distributional extensions. Together, the results distinguish distribution-robust global ranking partitions from ranking recovery with a fixed distribution of unobservables and clarify the limits of extending binary quantile restrictions to multinomial choice.