Identification of Incomplete Preferences
不完备偏好的识别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。
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：摘要明确以离散选择、选项效用上下界及汇总选择数据中的偏好识别为研究对象，直接对应离散选择方向。
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
不完备偏好的识别
- 研究问题
- 当消费者可能无法比较某些选项、且研究者仅拥有汇总选择数据时，如何识别偏好分布，并检验所有人的偏好是否完备？
- 方法与思路
- 作者为每个选项设置效用上界与下界以允许不可比性，构造其概率分布的尖锐识别域，并研究工具变量带来的检验信息。
- 材料陈述的贡献
- 摘要称，即使只有汇总选择数据也可获得尖锐识别域，工具变量可用于拒绝全体偏好完备假设，并应用于俄亥俄州选举。
- 阅读关注点
- 应核对不可比选项下的选择规则、识别域尖锐性的条件，以及工具变量限制、检验构造和选举数据中的偏好解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核验。摘要未说明工具变量的有效性条件，也未提供应用估计或检验数值。
原文摘要
We provide a sharp identification region for discrete choice models where consumers' preferences are not necessarily complete even if only aggregate choice data is available. Behavior is modeled using an upper and a lower utility for each alternative so that non-comparability can arise. The identification region places intuitive bounds on the probability distribution of upper and lower utilities. We show that the existence of an instrumental variable can be used to reject the hypothesis that the preferences of all consumers are complete. We apply our methods to data from the 2018 mid-term elections in Ohio.