不完全偏好的识别
Identification of Incomplete Preferences
AI总结：
针对仅有汇总选择数据且偏好可能不完全的离散选择模型，本文用上下效用刻画不可比较性，给出精确识别区域，并借助工具变量检验偏好完全性，应用于选举数据。
摘要：
我们为离散选择模型提供了一个精确识别区域；在这些模型中，即使只能获得汇总选择数据，消费者的偏好也未必是完全的。研究通过为每个备选方案设定一个上效用和一个下效用来刻画行为，从而使不可比较性能够出现。该识别区域对上效用和下效用的概率分布施加了直观界限。我们表明，工具变量的存在可用于拒绝所有消费者偏好均为完全的这一假设。我们将所提方法应用于俄亥俄州2018年中期选举的数据。
英文摘要：
We provide a sharp identification region for discrete choice models where consumers' preferences are not necessarily complete even if only aggregate choice data is available. Behavior is modeled using an upper and a lower utility for each alternative so that non-comparability can arise. The identification region places intuitive bounds on the probability distribution of upper and lower utilities. We show that the existence of an instrumental variable can be used to reject the hypothesis that the preferences of all consumers are complete. We apply our methods to data from the 2018 mid-term elections in Ohio.
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。
