The Law of Large Demand for Information
信息大需求定律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：摘要属于信息价值与贝叶斯决策理论，未涉及离散选择估计或其他所列计量方法细分。
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
信息大需求定律
- 研究问题
- 研究贝叶斯决策中如何评价和定价信息，特别是在信息价格较低时，信号数量、质量与边际价值如何共同决定信息需求。
- 方法与思路
- 作者以大偏差理论分析有限状态、有限行动模型中的独立同分布信号样本，构建渐近排序并计算额外信号的边际价值。
- 材料陈述的贡献
- 摘要称，边际信息价值最终随数量指数下降，低质量信号的边际价值更高；并给出低价信息需求的渐近公式及质量比较。
- 阅读关注点
- 应核对一般性完整渐近排序的含义、信号质量的比较定义、低价与大量信号极限，以及需求公式中常数和价格关系的解释。
- 阅读边界
- 仅据RePEc所载出版社摘要；具体条件、质量排序和公式未提供，结论限于摘要所述模型与渐近情境，不能直接解释为有限样本规律。
原文摘要
An unresolved problem in Bayesian decision theory is how to value and price information. This paper resolves both problems assuming inexpensive information. Building on Large Deviation Theory, we produce a generically complete asymptotic order on samples of i.i.d. signals in finite-state, finite-action models. Computing the marginal value of an additional signal, we find it is eventually exponentially falling in quantity, and higher for lower quality signals. We provide a precise formula for the information demand, valid at low prices: asymptotically a constant times the log price, and falling in the signal quality for a given price. Copyright The Econometric Society 2002.