CLOSED-FORM IDENTIFICATION OF DYNAMIC DISCRETE CHOICE MODELS WITH PROXIES FOR UNOBSERVED STATE VARIABLES
具有不可观测状态代理变量的动态离散选择模型闭式识别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：摘要直接研究动态离散选择及动态优化主体原始参数的识别，对应离散选择与结构估计。
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…
关注这篇论文的作者
具有不可观测状态代理变量的动态离散选择模型闭式识别
- 研究问题
- 在前瞻性主体的动态离散选择模型中，连续状态变量不可观测但存在代理变量时，如何闭式识别状态动态与原始结构参数？
- 方法与思路
- 作者显式求解积分方程，先识别马尔可夫成分中的条件选择概率和状态转移规律，再代入这些公式识别动态优化的结构参数。
- 材料陈述的贡献
- 摘要称获得两阶段闭式识别公式，将不可观测连续状态的代理信息用于恢复模型结构，并从选择与转移成分推进至原始参数。
- 阅读关注点
- 应核对代理变量与真实状态的关系、积分方程唯一可解的条件，以及从第一阶段成分识别原始结构参数所需的限制。
- 阅读边界
- 仅依据所给 Crossref 摘要；代理质量要求、识别条件和估计实施细节未说明，闭式识别本身不保证有限样本稳定性。
原文摘要
Proxies for unobserved skills and technologies are increasingly available in empirical data. For dynamic discrete choice models of forward-looking agents where a continuous state variable is unobserved but its proxy is available, we derive closed-form identification of the structure by explicitly solving integral equations. In the first step, we derive closed-form identification of Markov components, including the conditional choice probabilities and the law of state transition. In the second step, we plug in these first-step identifying formulas to obtain primitive structural parameters of dynamically optimizing agents.