From Unstructured Data to Demand Counterfactuals: Theory and Practice
从非结构化数据到需求反事实：理论与实践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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要围绕多产品需求模型的替代模式和需求反事实，直接对应结构估计。
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
从非结构化数据到需求反事实：理论与实践
- 研究问题
- 多产品需求模型使用非结构化数据构造产品特征代理时，代理不完善如何影响替代关系预测、反事实估计及统计推断？
- 方法与思路
- 作者开发适用于市场或个体数据的修正工具，提供标准误公式和代理质量诊断，并允许使用微调模型生成的产品特征代理。
- 材料陈述的贡献
- 摘要称，该工具仅需少量额外计算，并在经验校准模拟和具有真实参照的应用中改善替代关系预测与反事实预测表现。
- 阅读关注点
- 应核对代理误差的建模与识别条件、标准误是否处理模型训练不确定性，以及应用中真实参照的构造和诊断指标的解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明具体需求模型、修正公式或改善幅度，不能推断对任意代理均有效。
原文摘要
Empirical models of multi-product demand rely on low-dimensional product representations to capture substitution patterns, increasingly using proxies built from unstructured data. When proxies are imperfect, standard workflows yield biased counterfactuals and invalid inference. We develop a practical toolkit to address these issues. Our methods apply to market-level and/or individual data, require minimal additional computation, provide simple standard-error formulas, and accommodate proxies from fine-tuned models. Further, we propose diagnostics to assess proxy quality. Our methods yield meaningful improvements in predicting substitution in empirically calibrated simulations and in an application where we assess counterfactual prediction performance against a ground truth.