econ
02-26 00:00
本研究利用2000-2023年美国工业设施的面板数据，通过高维网络计量经济学方法，从数据中直接识别出企业间有毒排放的隐性影响网络。研究发现，通过该数据驱动网络传导的间接效应，约占关键企业资产负债表特征对排放总影响的28%。相比之下，基于地理距离或先验行业分类的网络模型，要么无法检测到显著的溢出效应，要么会高估组内影响。这表明，精准识别“谁与谁相连”及其连接强度，对于评估系统性环境风险和设计针对性监管政策至关重要。
网络效应企业排放空间面板模型数据驱动环境风险政策设计
econ
02-26 00:00
本文研究当博弈参与者可以通过委托平台或卡特尔等中介进行协调时，何种正规形式博弈仍能产生唯一的均衡预测。作者通过两种方式建模委托结果：当中介无法惩罚偏离者时，使用粗相关均衡（CCE）；当中介可以惩罚时，使用个体理性相关策略集（IRCP）。研究刻画了IRCP或CCE唯一的博弈条件，揭示了这些解概念之间的结构联系。分析还为经典相关均衡和纳什均衡的唯一性提供了不依赖于占优策略存在的新条件。所得均衡对参与者的环境信息、收益扰动、事前沟通、均衡选择和学习动态具有稳健性。结果可应用于防合谋机制设计。
博弈论均衡唯一性委托协调粗相关均衡机制设计防合谋
econ
02-26 00:00
本研究分析了在三候选人选举中，即时复选投票制选出最弱（或最不受欢迎）候选人的频率。研究采用了四种定义来衡量“最弱候选人”：波达计数失败者、巴克林失败者、获得最多末位票的候选人以及社会效用最低的候选人。通过使用公正匿名文化和公正文化选民行为模型计算概率，并利用蒙特卡洛模拟估计多种空间模型下的概率，同时结合大量真实选举数据进行实证检验。结果表明，IRV确实可能选出各类定义下的最弱候选人，但此类结果总体罕见。在大多数模型中，IRV选出某类最弱候选人的概率最高不超过5%。仅当选民群体极端极化时，该概率才会显著升高。
投票制度选举分析社会选择理论概率模型实证研究
econ
02-26 00:00
模块度最大化是复杂网络社区检测的常用方法，但其优化景观高度退化，大量结构迥异的划分具有相近的模块度值，导致结果不稳定且难以解释。本文提出一种简单、用户友好的后处理方法（STAR），旨在从众多高模块度解中选取一个最能代表其共享结构特征的“代表性”划分。该方法与模型无关，可应用于任何基于模块度的社区检测算法输出，无需额外优化步骤或外部软件包。与共识聚类方法相比，STAR方法结果高度一致，且能处理包含正负边权重的网络（如符号网络、基于相关性的金融/神经科学网络），适用性更广。
社区检测模块度退化代表性划分复杂网络符号网络后处理方法
econ
02-26 00:00
本文指出，在增长导向的经济体系内发展先进人工智能，可能加剧社会不平等、环境压力和生存风险。作者认为，AI的“对齐问题”本质上是经济对齐问题，并提出后增长经济学概念（如用“满意化”替代优化、以“社会与行星边界甜甜圈”模型指导发展、实施资源上限以抑制系统性反弹）可大幅降低AI风险。文章主张将AI视为公共资源进行治理改革，优先发展工具型、增强自主性的系统，而非代理型AI，并认为通用人工智能的发展可能需要建立在后增长经济学的新基础之上。
人工智能治理后增长经济学社会风险可持续发展经济对齐
econ
02-26 00:00
本研究首次将可持续经济福利指数（ISEW）纳入动态宏观生态经济模型COMPASS中，以评估社会与环境政策的影响。模型分析表明，碳税、收入再分配和缩短工时三项政策中，综合实施对ISEW的提升效果最佳，而单独缩短工时则可能导致ISEW下降。与GDP相比，ISEW能更好地捕捉政策的社会与环境效应，但仍未完全涵盖经济增长的全部环境成本。研究强调，结合了生物物理边界与社会阈值的“甜甜圈”模型能为追求可持续福祉的政策制定者提供更全面的指导。
可持续经济福利生态宏观经济模型政策评估gdp替代指标甜甜圈模型
econ
02-26 00:00
研究比较了静态与动态拥堵收费方案在收益和社会福利上的表现。基于Vickrey瓶颈模型和基于宏观基本图（MFD）的城市尺度模型，理论分析表明，在最坏情况下，收益最优的静态收费可实现至少一半的动态最优收益，且系统成本最多为最小可实现成本的两倍。利用旧金山湾区和纽约市的真实数据进行的数值模拟进一步证实，静态收费能达到动态最优收益的80%-90%，而系统成本仅比最低成本高出8%-20%。
拥堵定价静态收费动态收费交通经济学宏观基本图福利分析
econ
02-26 00:00
合成控制方法（SCM）是互联网经济中评估干预效果的常用工具，但其核心假设“重叠性”（即处理单元可表示为控制单元的某种组合）常被忽略。本文指出，当单元可自主选择干预且偏好异质性较大时，该假设通常不成立。为解决此问题，研究提出一种激励感知的合成控制框架，通过信息设计和在线学习工具，向单元提供激励相容的干预推荐，引导其探索非偏好选项，从而在无需先验重叠假设的情况下获得有效的反事实估计。该方法可扩展至“合成干预”场景，并提供了检验数据集重叠性的假设检验工具。
合成控制反事实估计激励设计面板数据重叠性假设在线学习
econ
02-26 00:00
本文介绍了OccCANINE，一个将职业描述自动映射到HISCO（历史国际职业标准分类）代码的开源工具。传统人工编码耗时且易错，而该工具基于CANINE模型，在13种语言的29个数据源、总计1580万条描述-代码对上进行了微调，实现了96%的准确率、精确率和召回率。研究还证明该方法可推广至OCC1950、OCCICEM和ISCO-68等其他职业分类体系。OccCANINE打破了“HISCO壁垒”，使高质量的职业编码得以普及，将极大推动经济学、经济史及相关领域的宏观研究。
职业编码自然语言处理经济史研究开源工具自动化处理
econ
02-26 00:00
传统平均场博弈模型依赖“理性预期”假设，要求异质智能体完全知晓复杂系统的转移概率，在存在共同噪声时需求解无限维的“主方程”。本文提出一种非理性预期的平均场博弈框架，特别适用于“低维耦合”场景（如宏观经济中均衡价格作为低维泛函）。该方法绕过了复杂的主方程求解，转而求解更简单的有限维Hamilton-Jacobi-Bellman方程。文中以自适应学习模型为例，展示了非理性预期假设如何提升模型现实性与计算可行性。
平均场博弈理性预期宏观经济模型低维耦合hjb方程自适应学习
econ
02-26 00:00
本研究探讨了在两个边际努力成本不同的非对称参与者之间进行的n维竞赛。每个维度（即“战斗”）被建模为Tullock竞赛，并允许采用一般化的、与身份无关且预算平衡的奖励分配规则（例如，若n为奇数，则采用多数规则）。研究发现，当Tullock胜者选择机制的判别力不大于$2/(n+1)$时，存在唯一均衡，其中每位参与者在所有维度上付出确定且相同的努力。此条件适用于所有符合条件的奖励规则和所有参与者非对称程度，且是紧的。在此条件下，研究推导出了努力最大化的最优奖励分配规则：将全部奖励授予在战斗中比对手多赢得特定场次的参与者，若无人达到此标准则平分奖励。当n为奇数且参与者对称时，多数规则即为最优。
竞赛理论非对称博弈均衡分析最优设计tullock竞赛多维竞争
econ
02-26 00:00
本文提出了一种用于固定效应模型的通用推断方法。该方法通过将一组子样本估计量组合成一个自标准化的刀切法 $t$ 统计量，从而能够便捷地获得假设检验、置信区间和 $p$ 值。该方法具有三个核心优势：一是自动化程度高，二是计算成本低廉，三是高度模型无关，适用于广泛的固定效应模型设定。
固定效应模型刀切法统计推断计量经济学子样本估计
econ
02-26 00:00
本研究构建了一个社交媒体模型，用户在其中生产不同类型的内容并选择关注对象。研究发现，即使不考虑算法偏见，单纯的链接成本也会塑造网络结构并导致极化。在福利最大化的均衡中，较低的链接成本可能提升福利，但也增加了用户接触极端内容的风险；而过低的成本反而会降低福利、加剧极化，因为它抑制了温和内容生产者的积极性。研究指出，激励内容生产的政策能通过改变信息生产者结构带来显著的福利提升，而链接补贴或注意力重新分配等干预措施主要影响内容曝光，对福利改善作用有限。这解释了为何基于曝光度的平台干预措施对极化的影响往往模糊不清。
社交媒体极化网络经济学链接成本内容生产激励福利分析均衡模型