Individual welfare analysis: Random quasilinear utility, independence, and confidence bounds
个体福利分析：随机拟线性效用、独立性与置信界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。
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：摘要明确通过拟线性效用和连续需求模型分析个体福利，方法直接涉及偏好结构与福利量的推断。
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
个体福利分析：随机拟线性效用、独立性与置信界
- 研究问题
- 在连续需求存在异质系数和不可观测偏好冲击时，如何对假想涨价造成的个体消费者福利损失给出置信界？
- 方法与思路
- 作者以参数化拟线性效用需求模型为基础，在独立性限制下构造置信集，再通过可扩展的约束优化求取福利损失界。
- 材料陈述的贡献
- 摘要称置信集对弱工具变量、非线性与部分识别具有稳健性，并以独立性检验的新联合极限分布结果保障其有效性。
- 阅读关注点
- 应核对独立性限制的经济含义、工具变量的作用、个体福利界的覆盖对象，以及优化可扩展性和先验模型限制的影响。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；具体独立性条件、福利界宽度和实证结果未说明，无法判断个体福利推断对模型误设的敏感性。
原文摘要
We introduce a novel framework for individual-level welfare analysis. It builds on a parametric model for continuous demand with a quasilinear utility function, allowing for heterogeneous coefficients and unobserved individual-good-level preference shocks. We obtain bounds on the individual-level consumer welfare loss at any confidence level due to a hypothetical price increase, solving a scalable optimization problem constrained by a novel confidence set under an independence restriction. This confidence set is computationally simple and robust to weak instruments, nonlinearity, and partial identification. The validity of the confidence set is guaranteed by our new results on the joint limiting distribution of the independence test by Chatterjee (2021). These results together with the confidence set may have applications beyond welfare analysis. Monte Carlo simulations and two empirical applications on gasoline and food demand demonstrate the effectiveness of our method.