经济学
Economics
计量经济学
Econometrics
通用经济学
General Economics
理论经济学
Theoretical Economics
本文描述了当个人根据分类规则调整行为时的最佳分类。 我们将设计师与人群之间的互动建模为Stackelberg游戏:设计师选择分类规则,预测个人将如何遵守,欺骗或弃权,以获得有利的分类。 在标准的单调可能性比假设下,最优规则属于一个小型且可解释的家庭(单阈值和双切规则),包括常规和反直觉设计。 我们的结果与先前的研究结果截然不同,即最优分类器奖励更高的信号:在平衡中,设计师可能会故意奖励那些可能性比较低的人,或者将奖励/惩罚集中在中间带中,以提高信息质量。
尽管对基于批准的多赢家投票的相称性进行了广泛的理论研究,但其对哪些委员会和候选人在实践中可以被选中的影响仍然知之甚少。 我们通过(i)分析与相称性公理行为相关的几个自然问题的计算复杂性,以及(ii)对现实世界和合成选举进行广泛的实验研究来解决这一差距。 我们的发现揭示了不同实例之间相称性限制性的重大变化,包括以前在一些现实世界中未被观察到的高度限制。 我们还介绍和评估新的措施,以量化候选人对实现比例结果的重要性,这与通过批准分数评估候选人人数明显不同。
分配是指在享有不同权利的党派或团体之间分配立法席位的研究良好的问题。 我们提出了分配的多层次概括,其中这些群体形成了一个等级结构,从而产生了较高和较低配额概念的更强版本。 我们表明,按级别运行亚当斯的方法水平满足上限配额,同时运行杰弗逊的方法或配额方法水平水平保证较低的配额。 此外,我们证明这两个配额概念总是可以同时实现。
关于海湾合作委员会(GCC)国家如何将人工智能(AI)的野心转化为后新公共管理(后NPM)结果的比较证据很少,因为大多数研究都考察了西方民主国家。 我们分析了宪法,集体选择和运营规则,塑造了两个对比的海湾合作委员会成员,阿拉伯联合酋长国(阿联酋)和科威特,以及他们是否促进了以公民为中心,协作治理和公共价值创造。 该研究以奥斯特罗姆的机构分析和发展框架为基础,将最相似/最不同的系统设计与多个来源相结合:2018-2025年的62份公开文件,嵌入式阿联酋案例(智能迪拜和MBZUAI),以及2019年8月至2025年5月对官员进行的39次采访。 双重编码和过程跟踪将规则配置与 AI 性能连接起来。 交叉案例分析确定了不同轨迹背后的四个强化机制。 在阿联酋,集中的权力,可信的制裁,支持创新的叙述,以及灵活的再投资规则将试点扩展到数百个服务和可观的回收储蓄。 在科威特,分散的否决权,劝诫性制裁,谨慎的话语和失效的人工智能预算将举措限制在试点模式,尽管同等的财政资源。 研究结果通过表明垂直规则一致性而不是财富来确定人工智能的公共价值收益率,并通过揭示效率指标只有在可执行保障措施的支持下才能达到社会目标来缓和后NPM的乐观情绪来完善制度理论。 为了遏制GCC以外的道德洗涤和测试可转移性,未来的工作应该跟踪规则随着时间的推移而传播,开发混合的合法性效率记分卡,并检查叙事框架如何塑造公民同意数据共享。
我们从公理上定义了基本的社会低效率函数,给定一组替代方案 vNM 和个人对替代品的偏好,为每个替代方案分配了一个独特的数字 - 社会低效率。 这些数字 - 而不仅仅是它们的顺序 - 是由我们的公理独特地定义的,尽管没有外生的人际比较,外部选择或分歧点。 我们将这些数字解释为内生标准化效用中的人均损失。 我们将社会低效率函数应用于一种环境,其中人际比较是出了名的难以证明 - 没有钱的对象分配 - 利用计算机科学的技术来证明随机序列独裁机制的近似效率结果。
私人商品的Fisher市场均衡和公共产品的Lindahl均衡是市场均衡的经典和基本解决方案概念。 虽然Fisher市场均衡研究得很好,但Lindahl equilibria的理论基础仍然严重不发达。 在这项工作中,我们提出了统一的市场均衡二元性框架。 我们表明,公共产品市场的Lindahl均衡与Fisher市场平衡在具有双重公用事业的双重Fisher市场相对应,反之亦然。 双重效用基于间接效用,两个均衡之间的对应关系通过交换分配和价格的作用来工作。 使用二元性框架,我们解决了Lindahl equilibria的计算和动态方面的差距,并为Fisher市场均衡获得了新的见解和发展。 首先,我们利用这种二元性来分析Lindahl均衡的福利属性。 对于凹形同质的实用程序,我们证明Lindahl均衡最大化了Nash社会福利(NSW)。 对于凹凸非均匀的实用程序,我们表明Lindahl均衡达到 (1/e)^1/e 接近最佳新州,并且近似比很紧。 其次,我们将二元性框架应用于市场动态,包括比例响应动力学(PRD)和tâtonment。 我们从双重Fisher市场的市场动态中获得Lindahl均衡的新市场动态。 我们还使用二元性将PRD扩展到具有总互补公用事业的市场,即总替代品公用事业的双类。 最后,我们将二元性框架应用于有家务的市场。 我们提出了一个针对一般凸同质不实用的私人琐事计划,避免了“极点”问题,其KKT点对应于Fisher市场均衡。 我们还开始研究Lindahl均衡的公共家务。
我们研究一种基于订阅的平台模式,用户为无限制地访问内容支付固定费用,创作者获得一部分收入。 现有的检测欺诈的方法主要依靠机器学习方法,与不良行为者进行持续的军备竞赛。 我们探索收入划分机制,这些机制本质上抑制了操纵。 我们正式确定了三种类型的抗操纵公理,并检查哪些现有规则满足这些。 我们表明,流媒体平台广泛使用的机制不仅无法防止欺诈,而且使检测操作在计算上难以解决。 我们还引入了一个新的规则,ScaledUserProp,它满足了所有三个抗操纵公理。 最后,与现有规则相比,真实世界和合成流数据的实验支持ScaledUserProp作为更公平的替代方案。
我们研究了一个由用户(数据所有者)、平台和数据买家组成的三层数据市场。 每个用户都受益于平台服务以换取数据,当他们的数据(尽管吵闹)与买家共享时,就会造成隐私损失。 用户选择平台与数据共享,而平台在出售给买家之前决定数据噪声水平和定价。 买家选择平台购买数据。 我们通过多阶段游戏对这些交互进行建模,专注于子游戏纳什均衡。 我们发现,当买家对用户数据进行高价值(平台可以收取高价格)时,所有平台都会向加入并与每个平台共享数据的用户提供服务。 相反,当买方对用户数据的估值较低时,只有服务成本低的大型平台才能负担得起为用户服务。 在这种情况下,用户专门加入并与这些低成本平台共享数据。 有趣的是,竞争加剧有利于买家,而不是用户:随着平台数量的增加,用户效用不一定在买家效用提高的同时得到改善。 然而,增加竞争提高了整体功利福利。 根据我们的分析,我们研究法规,以提高用户效用。 我们发现,只有当所有平台都是低成本时,禁止数据共享才能最大化用户效用。 在高低成本平台的混合市场中,用户更喜欢最低噪音要求而不是共享禁令。 在高成本平台上实施这一任务并禁止低成本平台的数据共享,进一步提高了用户实用性。
机器学习(ML)和人工智能(AI)会议,包括NourIPS和ICML,近年来同行评审质量显著下降。 为了应对这一日益严重的挑战,我们引入了同位素机制(Isotonic Mechanism),这是一种计算效率的方法,通过结合作者对其提交的材料的私人评估来提高嘈杂审查分数的准确性。 根据这一机制,有多次投稿的作者必须按感知质量的降序排列论文。 随后,根据该排名对原始评论分数进行校准,以产生调整后的分数。 我们证明作者被激励真实地报告他们的排名,因为这样做最大化了他们的预期效用,在调整后的分数上建模为加法凸函数。 此外,调整后的分数比原始分数更准确,当噪声水平高并且作者有许多提交时,改进特别显着 - 这种情况在大型ML / AI会议上越来越普遍。 我们进一步调查是否可以真实地从作者那里获得超出简单排名的提交质量信息。 我们确定,真实引出的一个必要条件是,该机制基于对作者陈述的成对比较。 这一结果强调了同位素机制的最优性,因为它在我们认为的所有机制中引出最精细的真实信息。 然后,我们提出了几个扩展,包括证明该机制保持真实性,即使作者只有部分而不是完整的关于其提交质量的信息。 最后,我们讨论未来的研究方向,重点介绍该机制的实际实施,并进一步发展受我们机制启发的理论框架。
我们提出了Subgame Credible Nash均衡(SCNE),这是用于多阶段游戏的子游戏完美纳什均衡(SPNE)的改进。 SCNE保留了SPNE的内部信誉要求 - 每个子游戏中的平衡行为 - 并在等效子游戏中增加了外部可信度要求:每当玩家规定的续展策略在等效子游戏中有所不同时,她自己的续展回报不得减少。 直觉是,可信的惩罚或承诺不应该严格伤害惩罚者相对于一个等效的无惩罚子游戏。 SCNE消除了自我伤害的惩罚或承诺,同时保持存在。 每个多阶段游戏都承认一个SCNE,如果每个阶段游戏都有独特的纳什均衡,SCNE是独一无二的。
我们研究一种机制在动态环境中的福利,学习型投资者可以进行昂贵的投资来改变她的价值。 在许多现实问题中,投资者总是做出最佳反应的共同假设,即选择她的效用最大化投资选择,由于动态环境中信息不完整,是不现实的。 为了解决这个问题,我们考虑使用无遗憾在线学习算法的投资者,通过与环境的反复互动来适应性地选择投资。 我们分析近似分配算法的福利保证如何在投资者学习而不是最佳响应时从静态设置扩展到动态设置,通过研究最佳福利的近似比作为算法在动态学习环境中不同基准的性能的测量。 首先,我们表明静态环境中的近似比在动态环境中相对于最佳后见之基准保持不变。 其次,我们提供相对于更强的时间变化基准的近似上下边界的紧密表征。 结合在线学习理论的桥接机制设计,我们的工作展示了即使代理人无法做出最佳反应,但在复杂,不确定的环境中学习他们的投资策略,也可以保持强有力的福利保障。
我们研究在参与艺术家中通过付费订阅向音乐流媒体平台分配收入的问题。 我们表明,解决流问题的主要方法(按比例,以用户为中心和家庭概括它们)可以被视为解决(多问题)索赔问题的具体(众所周知的)规则。 我们的结果允许在关于索赔问题的既定文献和关于流动问题的新兴文献之间提供强有力的联系。
我们研究了一个指数来衡量艺术家在音乐流媒体平台中的受欢迎程度。 该指数可用于在参与艺术家中通过付费订阅分配筹集的金额,基于Shapley值,这是合作博弈论的核心。 我们描述了这个沙普利指数,结合了几个公理将原则与规范吸引力。 这允许将指数放在文献中,作为众所周知的(并在行业中广泛使用)按比例和以用户为中心的指数的替代品。
我们研究了一种双机构稳定匹配模型,其中使用具有组偏的偏等信号对来自两个不同组的候选者进行评估。 这扩展了以前的工作(假定各机构以相同的方式对候选人进行评价)具有更现实的环境,在这种环境中,各机构依靠重叠但独立处理的标准。 这些评估可以包括各种信息工具,如标准化测试,共享推荐系统或具有本地噪声的基于AI的评估。 两个关键参数管辖评价:偏置参数β∈(0,1]),它模拟一组面临的系统劣势,以及相关性参数γ∈[0,1],它捕获机构排名之间的对齐。 我们研究代表比例,即在这种情况下匹配过程中选择的弱势候选人与优势候选人的比例。 专注于所有候选人都更喜欢同一机构的制度,我们描述了大市场均衡,并为由此产生的表示比率得出了闭门形式。 先前的工作表明,当 γ = 1,该比率与β线性缩放时。 相比之下,我们表明表示比以γ为 γ 线性增加,甚至相关性的适度损失都可能导致表示比率急剧下降。 我们的分析确定了机构选择行为经历离散过渡的关键 γ γ 阈值,并揭示了评估器对齐或偏置缓解最有效的结构条件。 最后,我们展示了这个框架和结果如何使分散选择系统中的公平意识设计的干预成为可能。
合作制度往往保持在持续不理想但稳定的状态。 本文解释了这种“理性停滞”作为理性对手维持的平衡,其效用遵循潜在损失的原理,u_D = U_ideal - U_actual。 从囚徒困境开始,我们表明变换u_i' = a u_i + b u_j 和相互承认的比例 w = b/a 生成一个脆弱的合作带[w_min, w_max],其中(C,C)和(D,D)都是均衡的。 延伸到具有随机合作回报 R_t 和干预成本(C_c,C_m)的动态模型,贝尔曼式的分析产生了三种战略制度:立即破坏,合理停滞和干预放弃。 附录进一步将效用概括为依赖参考的非线性形式,并证明其在参考变化下的稳定性,确保了框架的稳健性。 对社交媒体算法和政治信任的应用说明了对抗理性如何刻意保持脆弱性。
我们考虑一个希望通过提供离散数量和离散传输的菜单来筛选具有离散类型的代理的原理。 我们假设本金的估值是离散的严格凹陷,并使用离散一阶方法。 我们将代理的成本类型建模为非整数,整数类型为限值。 我们对成本类型的建模使我们能够复制典型的约束简化结果,从而模拟在连续合同下筛选的精心步骤。 我们表明,即使在离散的严格凹口下,离散F.O.C.的解决方案也不需要是唯一的,但我们也表明每种类型不能超过两个最佳合约量,并且 - 如果有两个 - 它们必须是相邻的。 此外,我们只能确保数量单调微弱,即使虚拟成本是严格的单调,除非我们限制本金效用的“凹度”。 我们的离散筛选方法有助于使用合理化性来解决筛选问题。 我们引入了一种可合理化的概念,其特点是对称为Δ-O合理化的开放信念集的鲁棒性,并表明Δ-O合理化菜单的一组与通常的最佳合约集相吻合 - 可能增强到包括不相关的合约。
我们研究在任何规模上都很稳健的拍卖,即,它们可以应用于销售昂贵和便宜的物品,并在最坏的情况下实现最佳收入的最佳乘用近似值。 我们表明,最佳机制是规模不变,在二价卖出和第二价2.45倍数之间随机化。
我们的基础设施系统使我们能够移动,存储和转换材料和信息,以适应相当大的社会和环境变化。 至关重要的是,这种能力是由社会投资于基础设施的程度决定的,这是大型公共系统中的一个根本性的政治问题。 在那里,基础设施提供者通过选举等政治进程与用户区别开来,用户之间有相当大的异质性。 以前的政治经济模式没有考虑到(一)动态基础设施,(二)动态用户偏好,(三)理性行为者理论的替代品。 与此同时,工程往往忽略了政治。 我们通过共享基础设施系统的一般动态模型来解决这些差距,该模型融合了来自政治经济学,社会生态系统和政治心理学的理论。 我们利用这一模式就政治进程的多重特征如何影响共享基础设施系统的稳健性以及私人基础设施投资的不平等机会提出了主张。 在用户收费下,不平等降低了稳健性,但如果非精英具有平等的政治影响力,对私人基础设施的使用征税可以提高稳健性。 选举周期周期具有非线性效应,其中增加它们将稳健性提高到一个点,但低于该点的稳健性。 此外,候选人的意识形态敏感性与稳健性之间存在负面关系。 总体而言,选民和候选人的偏见(无论他们赞成增税还是减少)调解了这些政治经济对稳健性的影响,因为偏见可能与系统需求的现实相匹配(系统恢复是否需要增加税收)。
我们分析一个主要代理采购问题,其中主要(她)不知道代理人(他)的一些边际成本类型。 沟通自然产生,因为某些类型的代理人可能有动力在提供合同菜单之前提高校长的意识(全部或部分)。 由此产生的菜单不仅必须反映校长对意识的变化,而且还必须反映她从代理人决定首先提高意识的类型。 我们通过合理化程序在一个离散的凹凸模型中捕获这种推理,其中对类型的边际信念仅限于日志凹凸,“反向”贝叶斯主义和温和的谨慎假设。 我们表明,如果校长只是不知道高成本类型,所有这些类型都有激励提高她对他们的意识 - 否则,他们不会得到服务。 在三种类型中,校长最初意识到的两种低成本类型也想提高她对高成本类型的意识:它们的数量没有额外的扭曲,他们都获得了额外的信息租金。 直观地说,更高的成本类型的存在使原来的两个看起来更好。 在三种以上的类型中,我们表明这种直觉可能会分解为主要类型的人,因此提高校长的意识可能不再为这些类型带来利润。 当校长只是不知道更高效(低成本)的类型时,没有类型提高她的意识,让她没有更聪明。
我们研究临时反馈政策在动态全付费拍卖中的效果,其中两个玩家在两个阶段出价以赢得共同价值奖。 我们表明,顺序均衡结果的特点是最便宜的信号均衡,其中第1阶段的出价是零,而另一个玩家选择与某些信号一致的最便宜的出价。 两位玩家的均衡回报总是为零,预期总出价的总和等于奖品的价值。 我们进行了四项自然反馈政策处理的实验 - 完整,排名和两种截止政策 - 虽然投标行为偏离了平衡,但我们未能拒绝对总投标没有治疗效果的假设。 此外,第1阶段投标诱发沉没成本和头部启动,我们在第二阶段招标中测试由此产生的沉没成本和气馁效应。
继续滚动加载更多
