Shrinkage Estimation of Price and Promotional Elasticities: Seemingly Unrelated Equations
价格与促销弹性的收缩估计：似乎不相关方程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：摘要虽涉及经济弹性回归，但未说明结构模型、离散选择或因果识别，细分证据不足。
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
价格与促销弹性的收缩估计：似乎不相关方程
- 研究问题
- 利用超市扫描资料估计价格与促销弹性时，如何兼顾连锁店和品牌之间的异质性，避免统一模型过严或分别估计过于嘈杂？
- 方法与思路
- 作者提出跨连锁店和品牌借用信息的收缩估计，保留各自弹性估计的灵活性，同时降低分别拟合造成的估计变异。
- 材料陈述的贡献
- 摘要称，在大型资料应用中，收缩程序得到更合理的模型估计并改善预测能力；摘要未提供改善幅度与评价细节。
- 阅读关注点
- 应核对收缩目标与强度、方程间相关结构、价格和促销变量的内生性处理，以及预测改进是否来自独立样本验证。
- 阅读边界
- 依据稿件版本未注明的索引摘要；结构模型、因果识别及预测验证方式未说明，不能将弹性估计视为已识别因果参数或推断刊本变化。
原文摘要
Consider the problem where a retailer or manufacturer wants to estimate product price and promotional elasticities based on supermarket scanner data. Classical linear modeling suffers from the following aggregation dilemma. Price and promotional elasticities appear to vary considerably among chains and brands so that one overall model is too restrictive. Alternatively, the use of a different model for each chain and brand leads to noisy and often nonsensical estimates of separate elasticities because of excessive data variation. To resolve this dilemma, shrinkage estimation procedures are proposed. By borrowing strength across chains and brands, these procedures reduce variability while providing flexibility that allows for separate elasticity estimates. Application of these procedures to a large data set yields not only more reasonable model estimates but also improved predictive power.