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

Korean

우리는 시장 수준의 데이터에 대한 수요 모델의 클래스를 소개합니다. 모델은 선형 기계 변수 회귀에 의해 추정 될 수 있지만 그들이 삽입 한 logit 및 둥지 된 logit 모델보다 훨씬 풍부한 대체 패턴을 수용합니다. 그들은 McFadden의 일반화 된 극단적 가치 생성 기능과 유사한 생성기를 통해 폐쇄 형태의 반대 시장 점유율 기능을 통해 구축되지만 시장 점유율에 작용합니다. 건설적 결과는 상반되는 둥지와 부분적 멤버십을 포함한 자발적 인 둥지 구조를 허용하여 일반화 된 극단적 가치 모델의 반대 점유율 동일자를 생산합니다. 클래스 타입은 유틸리티 최대화와 일치하며 규칙적인 추가적 무작위 유

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