Explaining individual response using aggregated data
利用汇总数据解释个体响应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：摘要涉及个体响应与汇总协变量，但未明确响应为离散选择，也未给出经济结构或因果识别依据。
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
利用汇总数据解释个体响应
- 研究问题
- 研究仅能观察个体响应、而解释变量只能在更高汇总层级获得时，如何估计个体层面协变量的作用，例如家庭响应与邮区特征。
- 方法与思路
- 作者用潜变量模型描述缺失的个体协变量，使其匹配汇总层面的样本信息，再以最大似然或贝叶斯分析估计模型参数。
- 材料陈述的贡献
- 摘要称，该方法能够利用汇总协变量分析个体响应，并以荷兰慈善机构的家庭捐赠行为为例，连接家庭响应与邮区层面资料。
- 阅读关注点
- 应核对潜在个体协变量的分布设定、汇总匹配约束与参数可识别性，并检查层级内异质性、模型敏感性及不确定性处理。
- 阅读边界
- 仅据RePEc所载出版社摘要；个体分布假设、识别条件和结果未说明，不能认为汇总信息足以无条件恢复个体关系或因果效应。
原文摘要
Empirical analysis of individual response behavior is sometimes limited due to the lack of explanatory variables at the individual level. In this paper we put forward a new approach to estimate the effects of covariates on individual response, where the covariates are unknown at the individual level but observed at some aggregated level. This situation may, for example, occur when the response variable is available at the household level but covariates only at the zip-code level. We describe the missing individual covariates by a latent variable model which matches the sample information at the aggregate level. Parameter estimates can be obtained using maximum likelihood or a Bayesian analysis. We illustrate the approach estimating the effects of household characteristics on donating behavior to a Dutch charity. Donating behavior is observed at the household level, while the covariates are only observed at the zip-code level.