|
同样有趣的是,在较大的匹配问题中,男性因融合而受到伤害的比例会变小。表2描述了所有社区合并后,因融合而受到伤害的人所经历的平均损失。男性在MOSM中的福利损失非常轻微,而女性在融合中受到伤害,其配偶的排名会大幅下降。有趣的是,对于男性和表1:倾向于种族隔离的社会百分比κ50 100 500 2 25.4[40,60]25.8[38,62]25.5[36,64](0.04)(0.02)(0.01)3 25.4[35,65]25.8[34,66]26[30,70](0.03)(0.01)(0.01)4 24.8[32,68]25.1[29,71]25.6[26,74](0.02)(0.01)(0.01)5 24.3[28,72]24.6[26,74]25.1[26,74](0.02)(0.01)(0.01)表2:选择种族隔离,按性别。κ\\n 50 100 500名男男女女2 4.9 19.7 5.7 34.9 7.4 136.6(0.91)(9.47)(0.95)(22.91)(1.04)(246.83)3 5.4 27.4 6.2 49.2 7.9 193.8(1.01)(14.57)(0.96)(39.22)(0.83)(409.86)4 5.7 35 6.5 62.1 8 250.8(1.08)(21.67)(1.03)(60.48)(0.84)(623.95)5 6 41.8 6.8 74.9 8.4 303.3(1.07)(28.26)(1.14)(84.86)(0.88)(709.15)女性,福利损失除以问题κn的大小似乎趋于零。这一观察结果表明,在大型市场中,福利损失最终可以忽略不计。最后,表3计算了表1和表2中描述的相同变量,但在代理的偏好中施加了相关性。相关的偏好在一些匹配的环境中很明显,比如学校选择。我介绍了偏好中的相关性,如下所示。我确定了男性和女性偏好的现状。现状是对所有可能伙伴的随机排序。每个代理的偏好都与现状相同,但可能最多处于c级位置。
|