今日速览 · AI 导读
自动抓取 arXiv 多学科 RSS，DeepSeek 自动润色标题与摘要，最快 24 小时内汇总。每日 14:00 初始化批次并每 15 分钟轮询学科，24h 无数据则回退 72h/7 天；arXiv 周末停更时自动跳过。
今日经济学研究呈现多领域交叉融合趋势，重点关注技术变革的社会经济影响、微观行为决策的深化理解以及计量方法的稳健性创新。
2026-02-19 共 22 条抓取，按综合热度排序
本文回顾了自然资源开采的经济思想史，从传统的“荷兰病”和“资源诅咒”理论（关注汇率、产业结构等宏观影响），演进到近期研究更关注其社会影响，特别是性别相关的后果与决定因素。研究指出，若不充分考虑自然资源开采中的性别维度，则难以真正讨论当代意义上的可持续发展。同时，研究发现，自然资源作为“诅咒”的观点可能并不如以往认为的那样普遍。
本文证明了网络博弈中普遍存在的双边战略互动特征，等价于参与者的效用函数在对手之间具有可加性分离的性质。研究区分了两种双边互动的形式概念：对手独立性（对手j的行动对参与者i的偏好影响独立于其他对手的行动）和战略独立性（对手j的选择如何影响i在自身两个行动间的偏好，独立于其他对手的行动）。研究发现，若同时满足这两个条件，则参与者对整个策略组合的偏好可用可加性分离的效用函数表示；若仅满足战略独立性，则参与者对自身行动的偏好仍可用可加性分离的效用表示。基于对手行动线性加总（如 $u_i(a_i, a_{-i}) = v_i(a_i) + \sum_{j \neq i} w_{ij}(a_i, a_j)$）的常见效用满足战略独立性，因此在战略上等价于可加性分离的效用。
本文扩展了基于任务的AI与劳动力模型，引入“代理资本”概念，即能降低组织内部协调成本的AI系统。模型表明，AI通过压缩协调成本，扩大了管理者的控制幅度，并催生了新的内生性任务。研究推导出五个命题，揭示了协调压缩如何影响产出、层级结构、管理者需求、工资差距和任务前沿。关键发现是存在“制度分叉”：若AI作为通用基础设施广泛补充所有工人，则带来广泛的生产率提升；若其不成比例地补充高技能管理者，则导致“超级明星”集中，产生截然不同的分配后果。AI的分配影响不取决于技术本身，而取决于组织结构的弹性及其控制者。
本文研究了具有双向聚类结构数据的线性分位数回归推断问题。作者在可分离可交换阵列框架下，利用分位数得分函数的投影分解，刻画了不同机制下的收敛速度，并建立了自归一化高斯近似。核心贡献是提出了一种双向聚类稳健的三明治方差估计器，其“面包”部分采用核密度估计，“肉”部分经过投影匹配，并在高斯机制下证明了估计的一致性和推断的有效性。同时，研究揭示了一个不可能性结果：在非高斯交互机制下无法进行一致推断。
本研究探讨了可穿戴辅助技术如何应对建筑业中女性和残障人士比例长期偏低的困境。通过分析美国工人层面数据，研究发现与非建筑业相比，建筑业中女性及存在力量/行动障碍的工人面临显著的就业与薪酬差距。职业层面分析进一步揭示，女性从业比例与职业所需体能要求呈高度负相关。文章讨论了针对上下肢障碍开发的可穿戴外骨骼技术，指出增强灵活性、平衡与力量的外骨骼设备，有望帮助更多女性和残障人士进入建筑业高薪岗位。
本研究分析了具有线性最优响应和策略替代性的网络博弈中，随机顺序最优响应动力学的收敛速率。结合形式化分析与数值模拟，研究识别了导致收敛缓慢的关键现象：网络部分区域收敛到稳定策略剖面，而邻近节点集保持非活跃状态，直至动力学接近收敛时才切换为活跃，从而引发向新活跃代理集的收敛，并可能导致此类行为的多次迭代。研究进一步识别了使此类现象更可能发生的图结构特性，这些特性超越了图的谱，并通过分析共谱图上的收敛速率进行了验证。
本文提出了一种处理非随机缺失（MNAR）数据下估计总体参数（如平均结果）的部分识别框架。该框架通过求解一对线性规划来获得估计量的尖锐边界，其约束条件编码了观测数据结构。创新之处在于，它能够将来自预训练模型（如大语言模型）的预测结果作为额外的线性约束纳入，这些预测被称为“弱影子变量”——它们满足关于缺失的条件独立性，但无需满足经典影子变量方法所需的完备性条件。当预测信息足够充分时，边界会坍缩为一个点，从而恢复标准的点识别。在有限样本下，作者提出了一种集合扩展估计器，在集合识别机制下实现了慢于$\sqrt{n}$的收敛速率，而在点识别下则达到标准的$\sqrt{n}$速率。模拟和半合成实验表明，LLM预测在经典影子变量方法中可能条件不佳，但在本框架中仍高度有效，能将识别区间缩小75-83%，同时在现实的MNAR机制下保持有效的覆盖率。
本文针对实证研究中同时存在无偏（不精确）和有偏（精确）估计量的情况，提出了一种从敏感性分析视角进行统计推断的新策略。核心贡献是引入了“b值”的概念，它代表了使组合估计量结果不再显著的最大相对偏差临界值。作者推导出一系列以偏差大小为索引的置信区间，使研究者能评估结论如何随偏差水平变化。该方法应用于三种经典组合估计量（精度加权、预检验、软阈值），并推荐使用基于软阈值估计量的b值及其置信区间，因其对未知偏差具有稳健性且在备选方案中风险最低。
本文研究了垄断保险市场中的斯塔克尔伯格均衡（鲍利最优）。在模型中，追求利润最大化的保险公司使用失真保费原理定价，而单个投保人则寻求最小化失真风险度量。研究发现，均衡状态下的最优赔付函数呈现分层结构：在投保人对尾部损失的悲观程度超过保险公司定价功能的损失层上，提供全额保险；反之则不提供保险。均衡定价由投保人的风险厌恶程度决定，且价格永远不会超过投保人对尾部损失的边际投保意愿。此外，保险覆盖范围和保险公司的预期利润均随投保人风险厌恶程度的增加而增加。研究还表明，均衡合同是帕累托有效的，但并未给投保人带来福利增益；反之亦然。
本研究利用英国数据，发现公众对国家养老金领取年龄（SPA）普遍存在认知偏差，且这种偏差能显著预测其退休行为。通过政策变化分析，作者构建了一个包含理性疏忽（Rational Inattention）的生命周期退休模型。模型表明，由于获取信息的成本，家庭对不确定的养老金政策形成内生的认知偏差。这些偏差解释了在SPA时点，高达51%的、超出财务激励解释范围的就业率下降。研究还开发了处理持续性信念的动态理性疏忽模型的求解方法。研究发现，高昂的注意力成本使SPA政策提升老年就业的效果降低了15%，而提供信息函则能有效提升福利与就业。
本研究利用瑞典的纵向行政数据，通过三重差分设计，评估了医疗科学发现对缓解健康冲击经济后果的因果效应。研究发现，医疗创新不仅能显著减轻患者本人因健康问题导致的负面经济后果，还能对其伴侣产生积极的溢出效应。这种溢出效应在护理福利支持不足的情况下尤为明显，医疗创新补偿了伴侣因照顾患者而损失的工资。总体而言，医疗创新不仅带来巨大的经济收益，还有助于减少与疾病相关的经济不平等。
研究利用瑞典引入综合性教育的自然实验，发现该课程不仅教授生理知识，更传递了节欲、理性计划生育及个人决策需承担社会责任等价值观。改革有效降低了意外怀孕率，推迟了生育时间，并显著提升了女性劳动力参与率。结果表明，通过学校教育内化的社会规范能持久且显著地影响个人生命历程。
本研究通过一项针对4,681个案例的随机对照试验，评估了算法支持对儿童保护服务（CPS）工作者调查分配决策的影响。实时算法访问显著降低了与虐待相关的儿童住院率（尤其是弱势群体），并使儿童伤害入院减少了21%。同时，算法帮助减少了对黑人儿童的过度监控。工作者并未机械遵循算法预测，而是重新将调查资源分配给伤害风险更高的儿童。反事实分析表明，人机互补模式在效率和公平性上均优于纯算法自动化。
本研究提出了一种利用非结构化数据（产品图像与文本描述）进行需求估计的创新方法。通过预训练的深度学习模型提取特征嵌入，并将其整合到混合Logit需求模型中。该方法尤其适用于缺乏产品属性数据或消费者重视难以量化的属性（如视觉设计）的场景。实验表明，该方法在预测消费者第二选择的反事实分析中，显著优于传统的基于属性的模型。在亚马逊40个产品类别的应用中也证实，非结构化数据能有效揭示产品间的替代模式。
本研究利用瑞典长达250年的登记数据，通过母亲固定效应、双重差分法和工具变量设计，系统评估了天花疫苗接种对后代的多代际影响。研究发现，疫苗接种不仅显著提升了接种者自身的寿命与职业成就，其积极效应还能延续至第三代。机制分析表明，这种跨代收益可能通过改善健康行为与表观遗传两种路径传递。即使在疾病环境较为温和的时期，这种长期效益依然存在，这为评估早期健康干预措施的长期社会回报提供了关键证据。
本研究探讨了在非拟线性偏好下，卖方将一组物品分配给单位需求买家的拍卖设计问题。研究发现，当偏好域包含所有经典偏好时，存在唯一一种机制——最小瓦尔拉斯均衡价格（MWEP）机制——能够同时满足策略证明性、个体理性、公平对待、无浪费（所有物品均被分配）和无补贴（不补贴任何买家）等关键性质。这为MWEP机制提供了一个基于公平性的新特征，补充了文献中已有的基于效率的特征。
本文研究了针对包含自回归和移动平均分量的单变量时间序列模型的模型选择置信集方法，并将其应用于分析意大利电力负荷数据中的模型选择不确定性。该方法不依赖单一模型，而是在给定置信水平下识别出一组与真实数据生成过程在统计上无法区分的模型。集合的大小和构成揭示了模型选择不确定性的关键信息：数据噪声大时集合包含更多候选模型，信息充分时集合则显著缩小。通过分析集合中各项的包含频率，可以评估每个模型项的重要性。将该方法应用于意大利小时级电力负荷数据，结果显示模型选择不确定性存在显著的日内变化，并识别出一组能提供有竞争力短期预测的模型规格，同时突出了日内小时滞后、温度、日历效应和太阳能发电等关键驱动因素。
本文提出了一种在决策问题中比较不同行动的方法。如果一个行动比另一个行动更“安全”，那么当决策者变得更加风险规避时，其偏好该“更安全”行动的信念集合会随之扩大。研究完全刻画了这种关系，证明了其等价于稳健的单交叉条件和二阶随机占优概念，并揭示了在单调决策问题中，该关系能对决策者的所有行动进行完全排序。该方法在博弈、保险、投资对冲和证券设计等领域具有应用价值。
本文针对内生处理变量和工具变量均为二元变量的模型，提出了基于Logit的工具变量（IV）估计量和增强型Logit-IV估计量，作为传统两阶段最小二乘法（2SLS）的替代方案。新估计量计算复杂度与2SLS相当，但在因果可解释性上更具优势。研究表明，在估计量概率极限可表示为加权平均处理效应的情况下，新方法能保证权重非负，而2SLS则无法保证这一性质，这提升了估计结果的稳健性与经济解释的合理性。
本文提出了一种基于因子模型的多元随机波动率（fMSV）框架，以克服高维波动率过程中的维度诅咒问题。研究设计了一种两阶段估计程序：第一阶段估计因子模型，第二阶段利用估计得到的公共因子变量来估计随机波动率成分。作者推导了估计量的渐近性质，并考虑了因子变量估计带来的影响。通过有限样本模拟实验和投资组合配置的应用，展示了该模型在预测性能上的优势。
本文探讨在接收者（可能包括发送者）具有模糊性厌恶的劝说博弈中，模糊沟通是否对发送者有利。研究发现，关键在于使用一组构成“服从实验”分割的实验集合。集合中的某些实验必须是帕累托排序的，即双方对其收益排序达成一致。如果一个最优的贝叶斯劝说实验可以按此方式分割，那么任何模糊厌恶程度不太高的发送者以及接收者都能获益。当接收者只有两个可选行动时，模糊沟通则无益处。
本文提出组合双重差分法（CoDiD），用于评估涉及分类结果或组合数据的政策效应。传统双重差分法通常只关注份额变化，而CoDiD在平行增长假设下，能够同时识别处理对份额和总量的影响。该方法在随机效用离散选择模型中对应平行期望效用趋势，几何上表现为概率单纯形中的平行轨迹。作者还引入多期松弛条件以处理平行增长假设不成立的情况，并以2008年美国选举中的早期投票改革为例展示了方法的实证应用。