Differences Between Classical and Bayesian Estimates for Mixed Logit Models: A Replication Study
混合 Logit 模型中古典与贝叶斯估计的差异：复现研究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：摘要直接研究混合 Logit 离散选择模型，并明确比较面板与横截面数据中的估计结果。
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…
混合 Logit 模型中古典与贝叶斯估计的差异：复现研究
- 研究问题
- 混合 Logit 模型的古典与贝叶斯参数估计是否通常相近，这种相近程度在面板数据与横截面数据之间有何差异？
- 方法与思路
- 作者在既有单一数据集研究之外增加六个数据集，比较两类方法的参数估计，并分别考察面板与横截面情形。
- 材料陈述的贡献
- 摘要称两种估计方法总体给出相似结果，但横截面数据中的相似程度低于面板数据，扩展了既有研究的经验比较范围。
- 阅读关注点
- 应核对数据集构成、随机系数分布、先验与模拟设置、收敛诊断，以及参数相似性的衡量方式和面板信息的作用。
- 阅读边界
- 摘要未说明相似性的具体指标或差异大小；有限数据集上的相近结果不能证明两种方法普遍等价，也未确立某一方法更优。
原文摘要
Summary The mixed logit model is widely used in applied econometrics. Researchers typically rely on the free choice between the classical and Bayesian estimation approach. However, empirical evidence of the similarity of their parameter estimates is sparse. The presumed similarity is mainly based on one empirical study that analyzes a single dataset (Huber J, Train KE. 2001. On the similarity of classical and Bayesian estimates of individual mean partworths. Marketing Letters 12 (3): 259–269). Our replication study offers a generalization of their results by comparing classical and Bayesian parameter estimates from six additional datasets and specifically for panel versus cross‐sectional data. In general, our results suggest that the two methods provide similar results, with less similarity for cross‐sectional data than for panel data. Copyright © 2016 John Wiley & Sons, Ltd.