Estimating Semi-Parametric Panel Multinomial Choice Models Using Cyclic Monotonicity
利用循环单调性估计半参数面板多项选择模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究带个体固定效应的面板多项选择模型，直接对应面板数据与离散选择两个方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用循环单调性估计半参数面板多项选择模型
- 研究问题
- 在包含个体固定效应的面板多项选择模型中，如何不限制随机效用冲击的分布形状，仍然识别并一致估计模型参数？
- 方法与思路
- 作者利用随机效用框架的循环单调性导出识别不等式，在协变量满足相应条件时实现参数点识别，并据此构造估计量。
- 材料陈述的贡献
- 摘要称循环单调性可提供无需冲击分布形状限制的识别不等式，并在相应协变量假设下支持点识别及一致估计。
- 阅读关注点
- 核对协变量条件如何保证点识别、个体固定效应如何被处理，以及循环不等式的具体构造和估计量的一致性证明。
- 阅读边界
- 摘要未列明协变量假设、面板维度和估计量的有限样本表现；不限制冲击分布形状并不意味着识别无需其他条件。
原文摘要
This paper proposes a new semi‐parametric identification and estimation approach to multinomial choice models in a panel data setting with individual fixed effects. Our approach is based on cyclic monotonicity, which is a defining convex‐analytic feature of the random utility framework underlying multinomial choice models. From the cyclic monotonicity property, we derive identifying inequalities without requiring any shape restrictions for the distribution of the random utility shocks. These inequalities point identify model parameters under straightforward assumptions on the covariates. We propose a consistent estimator based on these inequalities.