Counterfactual Analysis in Empirical Games
实证博弈中的反事实分析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：摘要以实证博弈的效用结构、均衡、部分识别参数及反事实福利分析为核心，直接对应结构模型与结构估计方向。
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
实证博弈中的反事实分析
- 研究问题
- 当实证博弈参数仅被部分识别，且存在多重均衡或随机策略时，如何表达反事实行为与福利结果及其统计不确定性？
- 方法与思路
- 作者构造反事实预测分布集 CPDS，允许改变效用、决定因素分布、决策者数量及解概念，并采用贝叶斯方式汇总不确定性。
- 材料陈述的贡献
- 摘要称，作者给出总体 CPDS 识别锐性与后验一致性的条件，并发展集合映射的贝叶斯一致性理论，供已有模型估计后使用。
- 阅读关注点
- 核对均衡与策略如何进入预测集合、锐性条件、底层参数后验一致性的要求，以及反事实环境变化需要哪些结构保持假设。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未列明锐性及一致性条件，分布集也不等同点预测。
原文摘要
We address counterfactual analysis in empirical models of games with partially identified parameters, and multiple equilibria and/or randomized strategies, by constructing and analyzing the counterfactual predictive distribution set (CPDS). This framework accommodates various outcomes of interest, including behavioral and welfare outcomes. It allows a variety of changes to the environment to generate the counterfactual, including modifications of the utility functions, the distribution of utility determinants, the number of decision makers, and the solution concept. We use a Bayesian approach to summarize statistical uncertainty. We establish conditions under which the population CPDS is sharp from the point of view of identification. We also establish conditions under which the posterior CPDS is consistent if the posterior distribution for the underlying model parameter is consistent. Consequently, our results can be employed to conduct counterfactual analysis after a preliminary step of identifying and estimating the underlying model parameter based on the existing literature. Our consistency results involve the development of a new general theory for Bayesian consistency of posterior distributions for mappings of sets. Although we primarily focus on a model of a strategic game, our approach is applicable to other structural models with similar features.