Non-Parametric identification of stationary dynamic discrete choice models
平稳动态离散选择模型的非参数识别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，并由选择概率及状态转移识别效用和冲击分布等结构原语。
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
平稳动态离散选择模型的非参数识别
- 研究问题
- 在流效用与未观测冲击分布均不参数化、状态变量可以持续相关时，平稳动态多项选择模型能否实现非参数识别？
- 方法与思路
- 作者利用特殊解释变量：效用导数已知、仅通过策略影响其他变量演化，且满足某种有界持续性，将选择概率和转移过程映射为结构原语。
- 材料陈述的贡献
- 摘要称，识别无需任何状态变量具备某种序列独立性，且识别论证可用于包含持续性未观测异质性的模型。
- 阅读关注点
- 重点核对有界持续性的正式定义、特殊变量的支持与排除限制，以及含未观测异质性时结构原语的识别范围。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，不能判断全部支持条件、归一化和证明；作者关于首次结果的表述尚未核验，不推断刊本变化。
原文摘要
We provide new non-parametric identification results for stationary dynamic discrete choice models, where both the flow utilities and the distribution of unobserved shocks are fully non-parametric. Our main identification result establishes that a multinomial choice model is non-parametrically identified when there is a special regressor that (i) has a known derivative in the utility function (e.g., enters utility quasi-linearly); (ii) only affects the evolution of the other variables indirectly through the policy function; and (iii) exhibits a type of bounded persistence. To our knowledge, this is the first non-parametric identification result for stationary models that does not require any state variable to exhibit a form of serial independence. Our identification arguments map conditional choice probabilities and the state transition process into structural primitives, and they can be applied to models with persistent unobserved heterogeneity. Our identification results have broad applicability in practice, since candidate variables for the special regressor are already common in the empirical literature.