存在未观测竞争的一级价格拍卖的非参数识别：一种密度不连续性框架
Nonparametric Identification of First-Price Auction with Unobserved Competition: A Density Discontinuity Framework
AI总结：
本文研究仅观测获胜出价的一级价格拍卖非参数识别，利用获胜出价密度的不连续性识别竞标者数量分布与私人价值分布，并发现上海政府IT采购的三竞标者规则导致高达10%的预算损失。
摘要：
我们考虑独立私人价值一级价格拍卖模型的非参数识别，其中分析师仅观测到获胜出价。我们的基准模型假设竞标者数量 $N$ 是外生的。我们证明，如果竞标者观测到 $N$，获胜出价密度中产生的不连续性可用于识别 $N$ 的分布。私人价值分布可以在第二步被非参数地识别。在可检验的识别条件下，这可以扩展到 $N$ 为潜在买家数量且以某种未知概率出价的情况。当存在从某些参数分布中抽取的加性未观测异质性时，识别依然成立。我们提出了一种参数贝叶斯估计程序。对上海政府IT采购的应用发现，强制的三名竞标者参与规则并未奏效。对于小型IT合同，这导致了高达评估预算 $10\%$ 的损失。
英文摘要：
We consider nonparametric identification of independent private value first-price auction models, in which the analyst only observes winning bids. Our benchmark model assumes an exogenous number of bidders N. We show that, if the bidders observe N, the resulting discontinuities in the winning bid density can be used to identify the distribution of N. The private value distribution can be nonparametrically identified in a second step. This extends, under testable identification conditions, to the case where N is a number of potential buyers, who bid with some unknown probability. Identification also holds in presence of additive unobserved heterogeneity drawn from some parametric distributions.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
