具有闭式逆函数的市场级数据需求模型
Demand Models for Market-Level Data with Closed-Form Inverses
浏览论文内容
中文总结 AI 辅助
本文提出一类基于闭式逆市场份额函数的需求模型，支持丰富替代模式与任意嵌套结构，可通过线性工具变量回归估计，且与效用最大化一致。
中文摘要 AI 辅助
我们引入了一类适用于市场级数据的需求模型。这些模型可以通过线性工具变量回归进行估计，同时能够容纳比其所嵌入的logit和嵌套logit模型丰富得多的替代模式。它们通过一个类似于McFadden广义极值生成函数但作用于市场份额的生成器，由闭式逆市场份额函数构建而成。构造性结果允许任意嵌套结构，包括重叠嵌套和部分成员关系，从而产生广义极值模型的逆份额对应物。该类别与效用最大化一致，并且严格大于正则可加随机效用模型的类别。
英文摘要
We introduce a class of demand models for market-level data. The models can be estimated by linear instrumental variables regression while accommodating substitution patterns far richer than the logit and nested logit models they embed. They are built from closed-form inverse market share functions through a generator analogous to McFadden's generalized extreme value generating function, but acting on market shares. Constructive results allow arbitrary nesting structures, including overlapping nests and partial membership, yielding inverse-share analogs of generalized extreme value models. The class is consistent with utility maximization and strictly larger than the class of regular additive random utility models.
发表机构
- University of Bristol（布里斯托大学）
- University of Copenhagen（哥本哈根大学）
- CY Cergy Paris Université（CY塞尔吉-巴黎大学）
机构由 AI 辅助整理，请以论文原文为准。
