在所有买家都能获得这一信息的时期，有一个略高但仍然不显著的下降。表5：对平均每日买家变化的差异分析。保单变更的平均每日买家影响部分披露x年16-4.376（2.757）完全披露x年16-8.932（7.722）基线恒定43.565***（7.028）部分披露0.923（1.884）完全披露28.686***（6.253）年16102.958***（2.302）控制印模的应用（百万）-0.028（0.023）每月广告支出0.024（0.031）站点FE YesN 3058调整R0。938注：括号中的标准错误集中在周级别。***在1%的水平上意义重大。**在5%的水平上意义重大。*在10%的水平上意义重大。在平均每日买家中-8.932（完全披露x年16）。考虑到每个网站每天平均约有45名买家，当每个网站都有背景信息时，每个网站的买家数量减少了约18%，这与买家对他们喜欢的网站出价更高导致每个网站每天平均买家减少的情况相一致。然而，市场仍然缺乏信心，因此不必担心通货膨胀。5.2中标分布向右移动如果买家有不同的偏好，并且当他们有上下文信息时，他们对自己喜欢的网站出价更多，那么我们也应该看到中标分布的右尾增加，与图2a中的模拟结果一致。事实的确如此。图5描绘了每个买家为每个网站支付的平均价格的分布，并显示了销售e1的印象比例的显著增加。5-2.00当广告买家获得网站位置信息时。这证实了一些买家对一些印象出价更高。

在2015年的同一时期，我们没有看到类似的分布变化（参见附录图a.2）。图5：上下文披露前后每个印象支付的平均价格密度图。5.3大多数网站的每印象收入都有所增加。如果偏好是异质的，且市场仍然浓厚，那么大多数网站的价格应该会上升。图6描绘了各个网站的完整背景披露的估计效果，并显示了大多数网站的每印象收入都有所增长。这些特定部位的估计值基于回归，与表2中我们的主要差异分析相同，只是这些部位与治疗指标相互作用。几乎没有“孤儿”场所；只有一个网站显示每个印象的收入显著下降。对大多数网站来说，上下文披露的影响是中性的还是积极的，只有少数网站获得了实质性的收益。这与一些广告买家对某个特定网站的印象有着强烈的偏好一致（高于他们从cookie中获得的关于用户的信息）综上所述，第5.1、5.2和5.3节描绘了一幅图景，与在买家有不同偏好的竞争市场中信息披露的预期变化相一致。

如果每个买家都在提高对不同网站子集的出价，那么每个网站的平均每日买家应该略有下降（如表5所示），中标人的右尾应该更长（图5），大多数网站的价格应该上升（图6）。图6：各网站收入的估计变化，置信区间为95%。注：单个站点的收入估计变化通常非常不准确，在某些情况下，95%的置信区间会影响地块。5.4部分信息披露对投标人有利作为最终机制检查，我们调查了政策变更对仅使用特定DSP的买家获得广告投放信息期间（2016年4月）的影响。关于信息披露和捆绑的理论研究主要集中在图2所示的情况，即所有投标人都可以获得相同的信息和产品效果（米尔格罗姆和韦伯1982年、伊顿2005年、塔代利斯和泽特梅尔2015年、哈默尔和麦卡菲2016年）。然而，在一个月的时间里，拍卖平台最初只向一位买家提供网站信息。为了了解这部分披露的预期影响，我们进行了一个简短的离开，以审查另一个显示向单个投标人披露影响的模拟。具体而言，我们假设一名买家拥有现场信息，并将在未披露的情况下出价，而其他24名买家在未披露的情况下出价（见等式1）。否则，模拟将遵循第2节中的假设。图7显示了未披露与部分披露的模拟中标价格，其中第一个投标人中标的价格为红色。

在这种情况下，当信息仅向一个投标人披露时，买方对其首选场地的出价更高，导致被处理的投标人更容易中标。在这个例子中，经过处理的投标人在没有披露的情况下赢得了6.3%的印象，在有上下文信息的情况下赢得了7.2%。被处理的投标人赢得的金额更多地取决于投标人对场地的个人偏好；在本次模拟中，经过处理的投标人对场地2的估价相当高。然而，在部分披露的情况下，平均中奖价格不一定会发生实质性变化；投标人是否多付或少付取决于被处理的买家购买的场地组合，这取决于所有投标人的估值。因此，当大量投标人的估值存在异质性时，理论上部分披露会导致被处理的投标人赢得更多。图7：向单个投标人披露信息对拍卖价格的影响。每个圆点代表模拟拍卖的结果，如果拍卖是由投标人赢得的，则每个圆点被涂成红色，并提供附加信息。平均结果价格用横线表示。●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●现场1现场2现场1现场2未披露但向1名投标人披露n=25u=-0.5σ=1δ=0ω=0.3价格（第二高出价）0.5 1.0 1.5 2.0为了了解在私人交易所实际发生的情况，我们分析了在2016年4月获得独家访问网站安置信息的投标人相对于其他投标人的行为。

这名买家是代表几个广告商的DSP竞标者。在政策变更之前，被处理的投标人支付的价格高于所有其他投标人的平均价格（将表6中的第一列与第4列进行比较）。为了构建一个反事实，说明如果该买家没有获得安置信息会发生什么，我们使用一个综合控制分析（Abadie and Gardeazabal 2003，Abadie et al.2010）来构建一个反事实买家，该买家类似于预干预期间接受治疗的买家。反事实合成控制是未经治疗的购买者的凸组合，在合成控制文献中称为“预测因子”的几个治疗前协变量上尽可能匹配。确定控制买方的权重的选择应确保反事实买方的预测值与政策变更前一段时间内每周处理的买方的预测值近似。然后，构建的合成买家被用来估计一个反事实，即如果没有提供安置信息，被治疗买家的行为会如何。我们将赢得的价格和印象作为因变量进行分析，并为每个因变量构建单独的综合控制。（请注意，平均获胜价格与每个印象的平均收入相同，但处于买家周水平。）从技术上讲，由于买家与经过处理的竞拍者一起参与拍卖，因此无法获得该信息的买家的价格和印象可能受到了一定影响。

然而，由于我们的买家只占售出印模的不到2%，控制买家只会受到少量影响。综合对照组在以下预测因素上匹配：（1）每个治疗前一周在每个类型中赢得的印象数，（2）每周在每个类型中支付的平均价格，（3）每周赢得的印象总数和（4）每周支付的平均价格。由于广告购买者能够根据政策变更前的行为信息瞄准渠道或用户，因此利用类型来创建预测因子。协变量是基于2015年2月至7月以及2016年2月至3月创建的。在构建合成对照时，过滤掉价格明显较高（如e10 CPM）或体积较小（每天小于500个印象素）的日常观察。这些不寻常的观察结果可能是由于高度针对性的购买，而不是受治疗买家支付的价格类型的代表。它们只占压力的0.8%。

核心识别假设是，这些治疗前协变量代表了治疗买家与未治疗买家不同的关键方式。表6报告了合成买方施工中使用的协变量汇总，并将其与经过处理的买方进行了比较，按施工情况来看，两者基本相似。此外，通过该算法挑选的控制组中的买家在两个自变量上基本相同，最高权重分配给其他中介机构，这些中介机构根据多个广告商的行为进行竞价（类似于被处理的买家）。表6：用于构建综合控制的治疗前行为的描述性统计（治疗前几周预测因子的平均值）。合成合成平均值治疗控制控制控制其他买家购买印象价格多佛拉尔1126804 1412513 1366452 1176408社区和论坛70926 49306 41962 43349一般利益992351 1266406 1231817 1065867健康4147 5328 4409 4834特殊利益3603 1714 1687 6771体育55778 89759 86577 55587价格多佛拉尔3.46 3.223.05 0.40关于社区和论坛3.86 3.62 3.09 0.33关于一般利益3.43 2.59 2.83 0.35关于健康2.30 2.39 1.44 0.14关于特殊利益1.14 0.94 0.75 0.13关于体育3.69 3.42 2.96 0.32图8a显示，综合买家的平均获胜价格的轨迹与经过处理的买家价格非常接近，这表明，在政策改变之前，合成买家很好地模仿了被处理的买家。

与图7中的模拟一致，额外的安置信息不会影响经过处理的投标人的平均中标价格，这可以通过在政策变更后将经过处理的投标人与图8a中的综合控制进行比较来看出。然而，图7中的模拟表明，当提供位置信息时，经过处理的投标人赢得的印模数量应该更高，因此我们在图8b中比较了经过处理的投标人和合成对照投标人赢得的印模数量。在垂直线的左侧，经过治疗的和合成对照的投标者赢得的印象数相似。与预测因子“社区和论坛网站赢得的印象数”相关的权重非常小，这表明它对两个因变量都没有预测能力。图8：经处理的BuyerSus综合对照的平均中标价格和中标印数的比较。（a） 平均中奖价格（e中的CPM）（b）获奖次数注：预处理时间序列包括2015年2月至7月和2016年2月至3月，因此在时间上是不连续的。表明该算法能够找到一个可比的合成买家。在政策改变后，我们看到，经过处理的买家和合成买家在获得的印象数量上存在巨大差距。虽然经过处理的广告购买者在政策变更后获得的印象显著增加，但他们仍然对合成控制感兴趣。这些结果的统计意义由附录图A.3中报告的安慰剂试验证实。在本节中，我们提供了一致的证据，证明广告买家对网站有不同的偏好，而且市场竞争非常激烈，这导致了背景信息披露后的整体价格上涨。

在下一节中，我们将探讨不同的治疗效果。6异质性处理效果到目前为止，分析的重点是提供背景透明度如何影响平均印象价格。分析表明，买家重视背景信息，买家对网站有不同的偏好，这导致所有网站的收入增加。接下来，我们转向实际问题，即某些类型的网站是否从这一政策变化中受益更多。首先，我们表明，政策变更前买家较多的网站，即市场较厚的网站，在政策变更后收入增长较大。第二，我们表明，较小规模、高质量的网站从政策变化中受益最大。6.1市场清淡的网站价格涨幅较低。理论上，背景信息披露对网站布局的影响应通过市场竞争力来缓和（见图2a和2b）。这促使人们在政策改变之前，对竞争激烈或较弱的场所之间的异质性治疗效果进行调查。图4显示了政策变更前每个网站的平均每日买家。根据这一点，我们为政策变更前买家较少（市场清淡）的网站创建adummy变量。我们将切入点设定在第一个四分位数，即每天平均28位买家。这一可变捕获率反映了政策变更前的市场稀薄，我们假设政策变更前市场稀薄的网站在政策变更后可能市场稀薄。图4表明，这是一个合理的假设，因为治疗前后市场竞争力相似。这种治疗前协变量也不受治疗的污染。

根据第2节中的模拟和拍卖文献，我们预计市场规模较大的网站，每个印象的平均收入会有更大的增长，因为更有可能有几个买家在提供背景信息时会更重视这些印象。表7：市场清淡的网站的异质性处理效果——差异——因背景披露导致的每印象平均收入（e/1000）变化的差异分析。平均收入影响披露x年16 0.108***（0.032）部分披露x 2016年x薄0.028（0.052）完全披露x 2016年0.154***（0.039）充分披露x 16年x薄-0.150（0.092）基线恒定1.728***（0.195）部分披露-0.006（0.020）完全披露0.182***（0.035）年16 0.193**（0.027）薄-0.110（0.132）部分披露x薄0.056**（0.024）全披露x薄0.069（0.046）年16 x薄-0.298***（0.038）控制以百万计-0.001**（0.0004）平均每日买家-0.005***（0.001）每月广告支出0.0002（0.0005）站点FE YesN 3058调整R0。7718注：括号中的标准错误集中在周级别。***在1%的水平上意义重大。**在5%的水平上意义重大。*在10%的水平上意义重大。作为稳健性检查，这些回归也不包括2015年价格飙升的那一周（2015年第6日历周），实质性结果保持不变。表7中的模型显示了竞争对平均收入印象的调节作用。

对于市场较厚的网站（参见x Year16的完整披露），每个印象的收入增长估计为15.4欧元美分，而对于市场较薄的网站，收入增长几乎为零。对于市场清淡的网站，估计的影响是完全披露x Year16和完全披露的总和。请注意，买家较多的网站往往会卖出更多的印象，因此这里厚市场的影响大小非常接近表2中报告的成交量加权回归的总体平均值。图9：市场清淡的网站背景披露的不同影响。x年份16 x厚度为15.4-15.0=0.4欧分。对于市场较薄的地块，价格没有上涨的结论与拍卖文献和第2节中的模拟一致，因此可以作为额外的机制检查。为了便于解释，我们在图9.6.2中绘制了市场薄与市场厚的站点的估计效果。小型优质站点的价格涨幅最大。在我们的最终分析中，我们研究了不同质量和规模站点的异质处理效果。虽然在理论上没有那么积极，但它给了我们一个实际问题的答案：“哪些网站从上下文透明中受益最大？”尽管我们研究了一个拥有一般品牌安全网站的私人交易所，但并非所有的广告损坏都是广告商可以考虑的——最高质量的广告网点。为了根据网站的质量对网站进行分类，我们请了三位行业专家（媒体规划主管、媒体规划师和RTB拍卖商）将网站分为提供优质和非优质广告环境的网站，这是一种常见的行业分类。所有专家都熟悉这些网站，过去也曾从广告交易所购买过媒体。