A Method to Estimate Discrete Choice Models That Is Robust to Consumer Search
对消费者搜索具有稳健性的离散选择模型估计方法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：摘要明确研究不完全信息下离散选择模型的偏好识别、行为预测与福利分析。
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…
对消费者搜索具有稳健性的离散选择模型估计方法
- 研究问题
- 当消费者未充分了解商品属性并可能进行成本性搜索时，何种条件下仅凭选择数据仍能识别偏好，并评价新增信息的影响与价值？
- 方法与思路
- 作者提出不完全信息下由选择数据识别偏好的条件，将方法用于完全信息检验、信息响应预测和福利分析，并开展实验与平台应用。
- 材料陈述的贡献
- 摘要称，方法在实验中成功预测新增信息的平均响应，并在 Expedia 数据中识别未立即可见的属性、计算额外信息的价值。
- 阅读关注点
- 应核对仅凭选择数据识别偏好所需的条件、对搜索行为的限制，以及实验预测的检验方式和平台数据中信息可见性的识别依据。
- 阅读边界
- 摘要未列出识别条件、预测误差或信息价值数值；“对搜索稳健”不能理解为无需限制，也不能将特定平台结果推广到所有市场。
原文摘要
We state conditions under which choice data suffice to identify preferences when consumers may not be fully informed about attributes of goods. Our approach can be used to test for full information, forecast how consumers will respond to information, and conduct welfare analysis when consumers are imperfectly informed. In a lab experiment, we successfully forecast the average response to new information when consumers engage in costly search. In data from Expedia, our method identifies which attribute was not immediately visible to consumers in search results and allows us to compute the value of additional information.