个性化定价与时间价值：来自网约车拍卖数据的证据

出行平台消费者在价格与等待时间之间的权衡是交通经济学的核心问题，但个体层面的时间价值异质性及其对平台定价策略的福利影响一直缺乏精确度量。本文利用欧洲大型网约车平台 Liftago 的独特数据——该平台通过快速拍卖机制匹配司机与乘客，司机对每单出行进行出价，消费者在价格和等待时间不同的多个出价之间做出选择——同时估计了以价格和等待时间为函数的出行需求系统和司机出价行为模型。基于覆盖 190 万次叫车请求和 520 万条出价的消费者面板数据，使用分层贝叶斯混合 Logit 模型与 MCMC 方法恢复了个体层面的价格与等待时间偏好系数，并利用实证拍卖文献方法（Guerre, Perrigne, and Vuong, 2000）从司机出价中反推其机会成本。需求估计显示：价格弹性是等待时间弹性的 4–10 倍；消费者的平均时间价值（Value of Time, VOT）为每小时 13.21 美元，但顶部四分之一消费者的 VOT 约为底部四分之一的 3.5 倍；大部分 VOT 变异由不可观测的个体差异而非时空可观测因素驱动。反事实分析揭示了一系列微观层面的福利效应：相对于司机竞价确定价格、平台仅收取 10% 佣金的基准情形，平台统一定价使消费者剩余减少 36%、司机利润减少 74%、未成交请求率从 36% 升至 49%。在统一定价基础上引入个性化定价（利用消费者历史数据差别化定价）使平台利润增加约三倍，但整体福利下降——62.5% 的消费者从个性化定价中受益，但最缺乏弹性的消费者面临涨价。重要的是，平台仅基于预计到达时间（ETA-based pricing）进行差别化定价（如 Lyft 的"等待并节省"功能），即可获取约三分之二的个性化定价利润增益，且整体福利接近完全个性化定价时的水平。研究首次将供给端激励纳入平台价格歧视的福利分析框架，强调在双边市场中评估定价政策须同时考虑消费者偏好异质性和司机参与约束。