Distributions of the Duration and Value of Job Search with Learning
带学习的求职搜索时长与价值分布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：摘要聚焦学习型求职搜索的概率计算与比较静态，虽涉及选择决策，但不足以明确对应所列的具体计量细分方向，因此暂不归类。
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
带学习的求职搜索时长与价值分布
- 研究问题
- 在会随搜索过程更新信息的求职搜索中，如何事前计算搜索时长、被接受报价的分布及自适应搜索的期望价值，处理保留值尚未知的问题？
- 方法与思路
- 作者将以保留值表示的搜索时长和接受报价概率，改写为固定点形式，使相关概率可以直接计算，并据此计算自适应搜索的期望价值。
- 材料陈述的贡献
- 摘要称这种表示适用于较广泛的学习程序，能够直接计算相关概率与期望搜索价值，并提供例子和比较静态结果；具体结果未列出。
- 阅读关注点
- 应核对固定点的定义与计算条件、允许的学习程序及信息更新规则，并检查概率表达式如何对应搜索时长、接受报价与比较静态分析。
- 阅读边界
- 摘要未说明具体学习规则、报价过程、参数条件及比较静态方向；不能据此认定固定点表示适用于所有搜索模型，也无法判断经验适用性。
原文摘要
Expected value maximizing sequential search rules can be expressed in terms of reservation values. In search with learning the reservation value at any stage of the search is unknown until that stage is reached. Thus calculating ex ante (and subsequent) probabilities of search duration and the offer accepted is difficult if these probabilities are expressed in terms of reservation values. This paper shows, for a wide class of learning procedures, how re-expressing these probabilities in terms of fixed points allows their direct calculation and, thereby, calculation of the expected value of adaptive search. Examples and comparative statics results are presented.