主题｜Nonparametric Identification of Games of Incomplete Information

时间｜Time：12.25（周四）上午10:00-11:30

地点｜Venue：文澴楼809｜Room 809, Wenhuan

主办单位｜Organizer：91在线

承办单位｜Operator：数实融合研究中心；北京大学-91在线 新结构经济学研究中心

主讲人｜Speaker

Jun Zhang（张军）老师现为悉尼科技大学副教授、澳大利亚研究理事会杰出青年研究员（DECRA）。他于加拿大女王大学获经济学博士学位，研究领域涵盖产业组织、经济理论、实验经济学及运营管理。其研究以机制设计为核心方法论，聚焦复杂经济问题的破解，通过受控实验室实验对理论模型进行严谨验证，确保模型具备可靠性后，再应用于解决现实社会中的相关挑战。目前，他的研究重心是构建适用于实际数据分析的结构估计经济模型与计量方法。他的学术成果发表于The Economic Journal, Journal of Economic Theory, Management science, Games and Economic Behavior, International Journal of Industrial Organization等国际权威期刊。

摘要｜Abstract

摘要本文研究了在私人类型（private type）框架下、当研究者无法完全了解参与者收益结构时，贝叶斯博弈的识别问题。我们首先说明，在没有额外限制的情况下，这一基准模型框架在非参数意义下是不可识别的。随后，我们引入以“外生的玩家参与”（exogenous participation）为形式的排除性限制（exclusion restriction），并建立了非参数的点识别或区间（部分）识别结果。具体而言，我们证明：如果在玩家数量变化时，各行动分布彼此交叉（intersect），则模型的基本要素——即私人类型分布与未知结构——可在非参数意义下实现尺度不变（up to a scale）的点识别。反之，如果交叉条件不成立，则模型只能实现部分识别，其基本要素可以通过非参数方式给出区间界定。

此外，我们的结果可以推广到包含角点解（corner solutions）、玩家异质性（asymmetric players）、不可观测异质性（unobserved heterogeneity），以及内生参与（endogenous participation）的更一般情形。