Maximum Likelihood Estimation of Differentiated Products Demand Systems
差异化产品需求系统的最大似然估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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 BLP 差异化产品需求及企业均衡定价下的估计，直接涉及离散选择需求模型和结构估计。
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…
差异化产品需求系统的最大似然估计
- 研究问题
- 当企业在 Bertrand–Nash 均衡中内生决定价格时，如何对 BLP 差异化产品需求系统进行最大似然估计，并评估其表现？
- 方法与思路
- 作者在均衡定价框架下推导最大似然估计量，通过蒙特卡洛模拟与 GMM 比较，并使用原始 BLP 汽车数据进行经验估计。
- 材料陈述的贡献
- 摘要报告，在正确设定及部分错设模拟中，MLE 的偏差和均方误差更低、覆盖率更接近名义水平；汽车应用的标准误也更小。
- 阅读关注点
- 核对联合似然的分布设定、价格内生性处理及均衡条件，并检查错设情景、GMM 实现和标准误计算是否支持摘要中的比较。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出具体模拟条件和数值，所报优势不能推广到任意错设情形。
原文摘要
We discuss estimation of the differentiated products demand system of Berry et al (1995) (BLP) by maximum likelihood estimation (MLE). We derive the maximum likelihood estimator in the case where prices are endogenously generated by firms that set prices in Bertrand-Nash equilibrium. In Monte Carlo simulations the MLE estimator outperforms the best-practice GMM estimator on both bias and mean squared error when the model is correctly specified. This remains true under some forms of misspecification. In our simulations, the coverage of the ML estimator is close to its nominal level, whereas the GMM estimator tends to under-cover. We conclude the paper by estimating BLP on the car data used in the original Berry et al (1995) paper, obtaining similar estimates with considerably tighter standard errors.