econ
02-24 00:00
本研究利用德克萨斯理工大学健康科学中心医学院2021-2022年超过1.1万份申请者数据，分析了招生决策与学术成绩（MCAT、GPA）、种族、性别及情境判断（Casper）分数的关系。通过汇总统计、学术指数分解和逻辑回归模型，研究发现了显著的种族偏好证据：在学术水平相近的情况下，非裔和西班牙裔申请者相比白人和亚裔申请者更受青睐。反事实分析和偏好移除分析量化了这些差异的程度。该研究为评估最高法院2023年禁止高校招生考虑种族的裁决（SFFA v. Harvard）后的实践变化提供了基准。
招生公平种族偏好医学院录取实证研究教育政策
econ
02-24 00:00
本研究采用分位数向量自回归模型，分析了2021-2025年间八大稳定币的尾部风险溢出效应。核心发现：1）法定抵押稳定币在极端市场条件下充当“稳定性锚”，净溢出效应近乎为零；而算法与加密资产抵押型稳定币则成为“风险放大器”。2）压力时期，美元指数与比特币间会绕过稳定币形成直接的波动率传导通道。3）对四次脱锚事件的分析表明，算法稳定币存在显著的残余传染效应，而法定抵押稳定币则表现出避险效应。研究建议，对非法定抵押稳定币的极端损失监管资本缓冲应比基于中位数的测算高出2-3倍。
稳定币系统性风险分位数回归尾部溢出金融监管加密货币
econ
02-24 00:00
本研究通过校准至2025年美国贸易战的多部门李嘉图模型，量化了美国的关税拉弗曲线。研究发现，使关税收入最大化的税率为20-30%，而使社会福利最大化的税率仅为0-10%。作者定义了边际财政效率指数，将关税划分为福利改善区、权衡区和收入递减区。研究还表明，即使面临报复，将贸易战扩大至更多伙伴国仍能提高峰值收入，但协调一致的报复会严重侵蚀福利。截至2026年1月，20%的美国关税已超过其拉弗峰值。反最优估计揭示了美国对外国福利的关注度下降、对中国的惩罚性待遇以及财政收入动机的上升。
关税拉弗曲线贸易战财政效率社会福利李嘉图模型最优关税
econ
02-24 00:00
本研究通过理论模型与实证分析，量化了2010年代匈牙利政治资本主义背景下的寻租行为。模型假设寻租通过三阶段实现：制度变化赋予监管特权、政商网络强化特权、市场稀缺性提升市场势力并最终产生租金。研究对比了匈牙利1000家最大企业在2008-2012年与2019-2023年两个时期的平均利润份额（税前利润），使用Welch t检验发现农业、建筑业及金融保险业利润份额显著上升，其中农业平均利润份额增长320%，建筑业增长超5倍，金融业增长超6.5倍。同期捷克分析未发现类似增长，表明匈牙利现象源于国内政治经济活动而非外部因素。
政治寻租企业利润匈牙利经济制度变迁政商网络比较分析
econ
02-24 00:00
本文针对固定效应面板分位数回归（FEQR）模型，提出了一套在存在普遍共同冲击下依然稳健的渐近与推断理论。共同冲击会导致横截面依赖，这在经济和金融面板数据中普遍存在，但现有FEQR理论通常假设横截面独立且要求$T \gg N$。研究表明，在温和条件$(\log N)^2/T \to 0$下，标准FEQR估计量仍具有渐近正态性，从而适用于包括$T \ll N$在内的多种实证相关情形。更重要的是，共同冲击会根本性地改变渐近协方差结构，导致传统协方差估计量失效。为此，作者提出了一种简单的协方差估计量，无论是否存在共同冲击均保持一致，从而在无需预先了解依赖结构的情况下，为FEQR方法在现实面板数据中的应用提供了有效的稳健推断工具。
面板数据分位数回归共同冲击稳健推断横截面依赖渐近理论
econ
02-24 00:00
本研究利用巴西市长选举的断点回归设计发现，与五旬节派有制度性联系的政党市长，会使其任内处于中学阶段的青少年生育率每千人增加3例（增幅40%）。机制分析表明，这主要源于市长将市政学校的性教育课程开设率降低了12.5个百分点，同时性传播疾病率和中学辍学率也随之上升。研究未发现其他右翼政党或公共诊所避孕药具供应变化产生类似影响，凸显了宗教政党通过教育政策影响社会行为的独特路径。
宗教政治性教育政策青少年生育断点回归巴西研究教育机制
econ
02-24 00:00
本文系统综述了创新扩散的动态过程，聚焦于巴斯模型及其扩展。以罗杰斯（1962）的理论基础和巴斯（1969）的开创性工作为起点，文章梳理了巴斯模型的多种推广与随机扩展，包括计数过程、扩散过程和不确定过程，并探讨了从经典统计技术到贝叶斯滤波、元启发式优化等参数估计方法。最后，文章考察了创新扩散的替代模型，特别是基于智能体的模型。该综述展示了巴斯型模型在过去几十年间的演进历程，反映了创新扩散研究领域取得的进展。
创新扩散巴斯模型随机过程参数估计智能体模型经济建模
econ
02-24 00:00
本研究针对双向平台（如约会应用）的推荐系统提出了一种匹配理论方法。传统基于预测匹配概率的排名会导致用户曝光集中，引发拥堵并高估效率。作者引入“有效约会”这一拥堵调整指标，并设计了“曝光约束延迟接受”（ECDA）算法，该算法在推荐时限制接收方的预期喜欢或约会次数，而非单纯人数。基于日本大型约会平台的生产级预测数据，校准模拟显示ECDA能增加有效约会次数和接收方匹配概率，尽管总约会数可能减少。一项大规模区域实地实验证实了这些效果，表明曝光控制能在不损害下游参与度的前提下，提升公平性和早期匹配效率。
匹配理论双向平台推荐系统曝光控制算法公平性拥堵调整
econ
02-24 00:00
本研究采用Demirer等人（2018）和Diebold与Yilmaz（2014）的网络方法，量化分析了2020年“三条红线”政策后中国主要房地产开发商股票收益波动率的日度时变关联性。通过聚焦市场感知反映的公司间溢出效应，论文揭示了具有不同区域敞口和所有制结构的公司间关联性如何随时间演变，填补了文献中关于房地产需求和房企信任度在何处恶化最严重的空白。事件研究将危机划分为四个关键阶段：政策冲击期、早期动荡期（呈现强烈区域分化）、危机深化期（出现向民营房企的替代效应）以及市场预期消化期。研究还提供了迄今为止最详尽的中国房地产危机时间线，并为此开发了新的R软件包GephiForR用于网络可视化。
房地产危机波动溢出网络关联性三条红线事件研究金融市场
econ
02-24 00:00
本研究探讨了技术进步与对数正态工资分布如何共同激励个体（或企业）陷入低效的教育（或AI投资）军备竞赛。模型指出，工资随技能水平和技术水平呈指数增长（$w \propto e^{\alpha s + \beta t}$），这迫使个体为争夺技能分布的尾部而过度投入。技术进步和教育过度投资虽能提升GDP，但也加剧了不平等，并可能导致整体福利下降。模型同样适用于企业对聊天机器人等AI的投资决策，结果显示在广泛条件下，企业也倾向于选择受借贷约束限制的角点解。
教育军备竞赛技术进步工资不平等ai投资福利经济学对数正态分布
econ
02-24 00:00
本研究将Greenwood和Guner（2009）的婚姻与离婚模型从离散时间重构为连续时间模型，采用了Achdou等人（2022）的HACT方法。关键改进在于将匹配质量的AR(1)过程替换为Ornstein-Uhlenbeck过程，这导致生成矩阵呈三对角形式，从而将价值函数和平稳分布的计算复杂度从网格点数量的二次方降低至线性。该连续时间模型在所有关键结果（包括已婚家庭比例、结婚率和离婚率）上都能紧密复现离散时间均衡，同时在计算时间和内存使用上实现了显著提升。
婚姻模型连续时间计算经济学hact方法ornstein-uhlenbeck过程
econ
02-24 00:00
本文为包括随机效用模型、有限理性行为模型和动态离散选择模型在内的广泛随机选择模型，提供了识别集的完整刻画。核心结论表明，两个选择规则分布是观测等价的，当且仅当它们可以通过一系列简单的“交换变换”相互转化。基于此，研究给出了这些识别集的明确不等式定义和极值点描述。此外，当选择频率随参数平滑变化时，论文提出了一种新颖的全局逆定理，为实际检验识别性提供了实用工具。
随机选择识别性随机效用有限理性动态离散选择观测等价
econ
02-24 00:00
本文提出了一种新颖的广义矩方法（GMM）矩条件选择准则——聚焦矩选择准则（FMSC）。与传统方法不同，FMSC不基于矩条件的有效性，而是基于用户指定目标参数估计量的均方误差（MSE）来选择矩条件。研究表明，在有限样本中，使用一个轻微内生但高度相关的工具变量，有时反而能降低MSE。FMSC为应用研究者提供了一种框架：从一组相对温和的“基准”假设出发，决定是否采用一组更强但更具争议的“可疑”假设。此外，作者还将该框架扩展到选择后推断问题，提出了基于模拟的推断程序，可应用于各种正式和非正式的矩选择与平均过程。模拟和实证分析（如疟疾与人均收入关系）均验证了该方法的良好性能。
广义矩方法工具变量矩选择有限样本均方误差计量经济学
econ
02-24 00:00
本研究为匈牙利构建了一个“房价风险”框架，采用自适应LASSO变量选择的分位数回归方法，分析了住房补贴、信贷条件和供应因素在不同时间维度上对房价增长分布的影响。研究发现，短期下行风险主要由金融压力驱动，而长期下行风险则转向失业和支付能力约束。住房补贴表现出顺周期性，显著推高上分位数房价，但对下尾风险影响甚微。供应侧变量（如建筑许可）的影响随期限变化而反转。不确定性分解显示，左尾风险在所有期限均占主导。这些发现表明，宏观审慎政策需考虑住房补贴的分布效应及其对房价增长的顺周期影响。
房价风险分位数回归住房补贴宏观审慎下行风险匈牙利经济
econ
02-24 00:00
本文提出一个委托人-代理人框架，研究当委托人提供包含可能结果模型及其先验信念的路线图时，代理人如何学习创新价值。代理人信任先验但担心模型存在误设。研究发现：在动态合同中，代理人可能陷入“突破陷阱”——早期无法解释的成功会加剧其对模型误设的担忧，导致任何合同都无法激励其继续创新；创新活动频率存在上界，且随误设程度增加而收紧，长期内会内生地形成创新周期。在静态合同中，路线图多样化可通过降低代理人面临的特殊认知风险来增加委托人利润。
创新激励合同理论模型误设认知风险动态契约突破陷阱
econ
02-24 00:00
本文针对实证产业组织学中的核心模型——BLP模型，解决了实践中外部商品份额常无法观测的难题。研究表明，当外部商品份额未知时，模型参数仅能被部分识别。作者推导了结构参数与均衡对象的尖锐识别集，并基于矩不等式开发了有效的推断程序，为这些参数和对象提供了有效的置信集。
需求估计blp模型部分识别矩不等式实证产业组织
econ
02-24 00:00
本文针对实证研究中普遍存在的因变量截尾、内生解释变量和异方差误差项问题，提出了一种新的“序贯控制函数截尾分位数”（SCFCQ）估计量。该方法将序贯分析与控制函数法相结合，特别适用于内生变量存在条件异方差的情形。其估计过程为两步序列分位数回归，为应用研究者提供了一个计算可行且易于操作的工具。作者利用英国家庭支出调查数据，应用该方法估计了家庭偏好的异质性收入弹性，展示了其在捕捉经济因素对不同未观测相对排名个体异质性影响方面的能力。
分位数回归内生性异方差截尾数据收入弹性计量经济学
econ
02-24 00:00
本文提出了基于极差的多幂变差理论，用于在高频资产价格数据下估计收益波动率，并对扩散波动率成分进行跳变稳健的推断。研究指出，当价格过程包含跳变时，金融经济学中常用的标准极差统计量存在偏差。新理论通过构建混合极差估计量来消除此偏差。渐近分析表明，在因存在微观结构噪声而稀疏采样高频数据的实际场景中，基于极差的多幂变差方法相较于基于子采样收益的同类估计量，能带来显著的效率提升。模拟研究和近期TAQ股票数据的应用验证了该框架的实用性。
高频金融波动率估计极差统计跳变检测渐近理论微观结构噪声
econ
02-24 00:00
本文针对实证研究中普遍存在但缺乏标准统计评估方法的稳健性检验问题，提出了一个名为“稳健性半径”的量化指标。该指标通过将稳健性检验框架为显性偏误回归，并应用矩不等式文献中的检验方法，来衡量不同回归设定下估计量之间的差异程度。该指标易于解释，能适应抽样不确定性和回归间的相关性，为评估研究结论的整体稳健性提供了透明、可操作的指导。
稳健性检验计量经济学实证研究矩不等式评估方法
econ
02-24 00:00
本文提出了一种基于预平均技术的已实现协方差估计量，用于在存在市场微观结构噪声和非同步交易的情况下，精确度量金融资产收益的事后协方差矩阵。该估计量可配置为达到最优收敛速率或确保协方差矩阵估计的半正定性。研究还推导出一种噪声稳健的Hayashi-Yoshida估计量，可直接在原始非对齐价格数据上实施。通过模拟验证了估计量的有限样本性质，并在高频股票数据上展示了其实际应用价值。
高频金融协方差估计市场微观结构噪声非同步交易预平均法已实现波动率
econ
02-24 00:00
本文提出了一种Hayashi-Yoshida型估计器，用于估计含噪声的连续伊藤半鞅的协变矩阵。该方法适用于多元过程坐标在非同步高频观测点下的情况，通过结合局部平均值与Hayashi-Yoshida估计器设计协变矩阵估计，无需对观测方案进行同步化处理（如先前点法或刷新时间法），并对噪声过程的某些依赖结构具有鲁棒性。研究证明了该估计器的中心极限定理，并提供了可行的渐近结果。
高频数据协变估计非同步观测伊藤半鞅噪声鲁棒性渐近理论
econ
02-24 00:00
本研究提出了一个检验多个实验与观测研究中条件平均处理效应（CATE）同质性的框架。该框架利用多个随机试验评估处理效应是否随未观测异质性而变化，并通过比较实验与观测数据中的CATE来评估潜在混杂偏倚。研究将框架扩展至工具变量和双重差分等识别策略，并开发了一种基于双重机器学习的检验方法，以适应高维协变量。模拟研究验证了其有限样本性能，并在国际卒中试验（IST）中进行了应用，为验证识别假设和理解处理效应的可推广性提供了灵活工具。
因果推断效应异质性双重机器学习高维数据可推广性混杂偏倚
econ
02-24 00:00
本文提出了一种名为“Boosting with Multiple Testing (BMT)”的新方法，用于高维线性回归中的模型选择。该方法将前向逐步变量选择与Chudik等人(2018)的多重检验框架相结合，在每一步仅添加条件最显著的变量，并对剩余候选变量应用多重检验过滤。理论分析表明，BMT具有Oracle性质，能以概率趋于1选择包含所有真实信号、排除纯噪声的近似模型，其估计量在预测误差和系数估计上达到标准参数速率。蒙特卡洛实验显示，在强多重共线性下，BMT在模型选择精度和系数估计RMSE方面优于OCMT和Lasso类方法。
高维回归模型选择多重检验boostingoracle性质多重共线性
econ
02-24 00:00
本文提出“剩余弹性前沿”概念，用于解决委托代理框架下的最优筛选问题。当代理人对分配的偏好满足同调性时，该前沿集合中的任意分配，其需求曲线在每一点上都比其他分配更高且更缺乏弹性。研究证明，任何剩余弹性前沿本身即构成一个最优菜单。更重要的是，如果前沿上各分配的需求曲线弹性也呈有序排列，则该前沿甚至在随机机制中也是最优的。这一结果独立于类型分布和再分配福利权重，对捆绑销售、最优税收、序贯筛选、信息销售和数据垄断监管等领域具有普适性。
机制设计最优筛选需求弹性委托代理菜单设计经济应用