Identification in discrete choice models with imperfect information
不完全信息离散选择模型中的识别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：摘要直接研究离散选择中的偏好识别，并估计空间投票结构模型及其反事实。
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
不完全信息离散选择模型中的识别
- 研究问题
- 在静态单人离散选择模型中，当决策者对世界状态掌握不完全信息时，如何识别偏好并界定反事实结果的可能范围？
- 方法与思路
- 作者利用单人贝叶斯相关均衡刻画尖锐识别集，以筛方法构造该集合并计算反事实尖锐界，再应用于英国选举的空间投票模型。
- 材料陈述的贡献
- 摘要称，方法给出可处理的偏好尖锐识别集和反事实界，并利用二〇一七年英国大选数据分析不完全信息对选民与政党的影响。
- 阅读关注点
- 应核对信息结构限制、均衡条件与观测选择之间的映射、筛近似误差，以及福利反事实计算所需的模型归一化和假设。
- 阅读边界
- 仅依据所给出版社摘要；所谓弱信息假设的具体内容、界的宽度和福利结果未说明，不能据此判断偏好是否可被点识别。
原文摘要
We study identification of preferences in static single-agent discrete choice models where decision makers may be imperfectly informed about the state of the world. Leveraging the notion of one-player Bayes Correlated Equilibrium by Bergemann and Morris (2016), we provide a tractable characterisation of the sharp identified set. We develop a procedure to practically construct the sharp identified set following a sieve approach, and provide sharp bounds on counterfactual outcomes of interest. Using our methodology and data on the 2017 UK general election, we estimate a spatial voting model under weak assumptions on agents’ information about the returns to voting. Counterfactual exercises quantify the consequences of imperfect information on the well-being of voters and parties.