Nonparametric Identification and Inference of First-Price Auctions with Heterogeneous Bidders
异质竞标者第一价格拍卖的非参数识别与推断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：摘要以拍卖行为模型为基础，非参数识别并检验风险偏好与估值分布两类结构机制。
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
异质竞标者第一价格拍卖的非参数识别与推断
- 研究问题
- 研究第一价格拍卖中，如何区分竞标者风险偏好异质性与估值分布不对称，并利用出价分布检验两类模型。
- 方法与思路
- 作者将竞标者不对称建模为不可观测异质性，非参数识别条件出价分布，并利用两类模型不同的分布含义开展检验。
- 材料陈述的贡献
- 摘要称识别结果使两类模型的检验成为可能；美国林务局木材拍卖数据应用支持风险偏好异质性的模型。
- 阅读关注点
- 应核对不可观测异质性的结构、条件出价分布的识别条件，以及两类模型的可区分含义和实证检验方式。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，无法判断模型支持的强度或识别假设的可信度，也不能推断后续刊本变化。
原文摘要
In the auction literature, it is well established that bidders’ asymmetry plays an important role in determining auction revenues. In this article, we propose a nonparametric methodology to analyze first-price auctions with two popularly adopted asymmetries: heterogeneous risk preferences and asymmetric value distributions. We find that the two competing models provide distinct implications for the bid distributions conditional on heterogeneity. By modeling bidders’ asymmetry as unobserved heterogeneity, we show that the conditional bid distributions are identified nonparametrically. These results enable researchers to test the two competing models. In an application using the US Forest Service timber auction data, we find that the data supports the model with heterogeneity in risk preference.