Newest papers

Demand Models for Market-Level Data with Closed-Form Inverses

Julien Monardo, Mogens Fosgerau, André de Palma · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.10069 · cited by 0 works (OpenAlex) · open-access PDF

Japanese

我々は市場レベルのデータのための需要モデルのクラスを導入します。 モデルは、線形機器変数の回帰によって推定することができ、それらが組み込むロジットとネストロジットモデルよりもはるかに豊富な置き換えパターンを容認する一方で。 彼らは、マクファーデンの一般化された極端価値生成機能と同様のジェネレーターを通じて閉ざされた形の逆市場シェア機能から構築されていますが、市場シェアに作用します。 建設的な結果は、重なり合うネストと部分的なメンバーシップを含む任意のネストリング構造を可能にし、一般化された極端価値モデルの逆転シェアのアナログを生成します。 クラススタントはユー

Machine translation (Meta M2M100); the English original follows.

Abstract

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.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Utility maximization, Class (philosophy), Mathematics, Mixed logit, Econometrics, Discrete choice

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange