Hedonic Price Indexes With Unobserved Product Characteristics, and Application to Personal Computers
含不可观测产品特征的特征价格指数：个人电脑应用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：摘要涉及产品特征遗漏与价格指数修正，但未明确说明面板结构或结构估计，产品层面的因子分析也不足以归入宏观因子方向。
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
含不可观测产品特征的特征价格指数：个人电脑应用
- 研究问题
- 产品特征未被完整观测时，特征价格指数为何产生偏误，遗漏特征取值及其隐含价格的时间变化各有何作用，又能否加以修正？
- 方法与思路
- 作者区分遗漏特征取值变化造成的选择偏误与隐含价格变化造成的偏误，利用因子分析的扩展进行修正，并以月度台式电脑数据检验。
- 材料陈述的贡献
- 作者报告该电脑样本的标准指数每年约有1.4%的向上偏误；遗漏CPU基准性能产生较大偏误，所提修正在该样本中基本消除它。
- 阅读关注点
- 读全文应核对两个偏误来源的分解、因子分析扩展如何修正遗漏特征偏误，以及月度产品样本的构成与CPU遗漏实验的比较设计。
- 阅读边界
- 摘要未说明修正所需的具体假设、因子识别条件与估计不确定性；每年约1.4%的偏误及CPU遗漏结果仅针对所用电脑数据。
原文摘要
We show that hedonic price indexes may be biased when not all product characteristics are observed. We derive two primary sources of bias. The first source is a classical selection problem that arises due to changes over time in the values of unobserved characteristics. The second comes from changes in the implicit prices of unobserved characteristics. Next we show that the bias can be corrected for under fairly general assumptions using extensions of factor analysis methods. We test our methods empirically using a new comprehensive monthly dataset for desktop personal computer systems. For these data, we find that the standard hedonic index has a slight upward bias of approximately 1.4% per year. We also find that omitting an important characteristic (CPU benchmark) causes a large bias in the index with standard methods, but that this bias is essentially eliminated when the proposed correction is applied.