Working Papers

Seria wydawnicza WNE WORKING PAPERS prowadzona jest przez WNE UW od 2008 r. i jak dotąd opublikowano w niej ponad 400 prac.

Seria WNE Working Papers służy szybkiemu upowszechnianiu wyników badań prowadzonych na Wydziale Nauk Ekonomicznych UW. Publikowane tu teksty mają charakter wersji roboczych (pre-printów): mogą być uzupełniane lub poprawiane w miarę postępu prac nad tekstem i procesu wydawniczego. Prezentujemy aktualną wersję udostępnioną przez autorów, opatrzoną datą oraz identyfikatorami DOI/ISSN – co ułatwia jej cytowanie i śledzenie kolejnych iteracji. Każdy dokument zachowuje pełne prawa autorskie swoich twórców, a w przypadku późniejszych zmian, autorzy mogą w dowolnym momencie zamieścić zaktualizowany plik lub wskazać miejsce ostatecznego wydania.

Do serii WORKING PAPERS przyjmowane są artykuły pracowników naukowych WNE UW oraz publikacje z konferencji organizowanych na WNE UW. Artykuły powinny dotyczyć ekonomii, mieć charakter oryginalnych prac badawczych, nie być wcześniej publikowane. Przyjmowane są wyłącznie teksty w języku angielskim.

Prace prosimy przesyłać e-mailem na adres: {Aj%o'#DH^[$lV02eiCXE/+r8US]#[s-]mYqm1$OAs`m'{Kr5PNokhEF@

Prosimy przesyłać dwa pliki:

(1) główny tekst bez podania tytułu artykułu oraz autorów (plik DOC/DOCX) oraz

(2) stronę tytułową zawierającą: tytuł opracowania, autorów oraz ich afiliację (plik DOC/DOCX). 

Przed przesłaniem tekstu prosimy zapoznać się z szczegółowymi wymogami edycyjnymi.

Redaktorem wydawniczym serii Working Papers jest dr Maciej Bukowski.

Ilość wyników 2

WP(4/2018)263. A New Baseline Model for Estimating Willingness to Pay from Discrete Choice Models

Autorzy: Carson Richard T., Czajkowski Mikołaj
We show a substantive problem exists with the widely-used ratio of coefficients approach to calculating willingness to pay (WTP) from choice models. The correctly calculated standard error for WTP using this approach is shown to always be infinity. A…

WP263. A New Baseline Model for Estimating Willingness to Pay from Discrete Choice Models

We show a substantive problem exists with the widely-used ratio of coefficients approach to calculating willingness to pay (WTP) from choice models. The correctly calculated standard error for WTP using this approach is shown to always be infinity. A variant of this problem has long been recognized for mixed logit models. We show it occurs even in simple models like the conditional logit used as a baseline reference specification. It occurs because the standard error for the cost parameter implies some possibility that the true parameter value is arbitrarily close to zero. We propose a simple yet elegant way to overcome this problem by reparameterizing the coefficient of the (negative) cost variable to enforce the theoretically correct (and empirically almost always found) positive coefficient using an exponential transformation of the original parameter. This reparameterization enforces the desired restriction that no-part of the confidence region for original cost parameter spans zero. With it the confidence interval for WTP is now finite and well behaved. Our proposed model is straightforward to implement using readily available software. Its log-likelihood value is the same as the usual baseline discrete choice model and we recommend its use as the new standard baseline reference model.


DOI: http://doi.org.10.26405/WP/WNE/2018/263/004
Carson Richard T., Czajkowski Mikołaj
conditional logit confidence intervals contingent valuation delta method discrete choice experiment Krinsky-Robb multinomial logit probit welfare measures

WP(15/2011)55. Overconfident for real? Proper scoring for confidence intervals.

Autorzy: Krawczyk Michał
Studies show that people tend to provide overly narrow confidence intervals for unknown values. Such a form of overconfidence would have an important impact on financial markets, among other domains, leading i.a. to excessive trading. The present stu…

WP55. Overconfident for real? Proper scoring for confidence intervals.

Studies show that people tend to provide overly narrow confidence intervals for unknown values. Such a form of overconfidence would have an important impact on financial markets, among other domains, leading i.a. to excessive trading. The present study is one of the very few that try to incentivize reporting correct confidence intervals. To this end, a reward scheme is proposed, based on a combination of asymmetric loss functions minimized by appropriate quantiles of a probability distribution. In the experiment I find that incentivized subjects provide wider confidence intervals, obtaining a higher hit rate than the control group. The effect is stronger than that of feedback and explicit warning. These findings suggest that the overly narrow confidence intervals reported elsewhere are partly due to an insufficient mental effort that subjects exert and that they can be induced to do so by the proposed incentive scheme.


Krawczyk Michał
overconfidence calibration confidence intervals proper scoring rules
  • 1