Simulated maximum likelihood estimation for discrete choices using transformed simulated frequencies
利用变换模拟频率估计离散选择模型的模拟最大似然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：摘要直接针对离散选择模型的模拟似然估计，重点处理超出加性正态和 logit 误差设定的情形。
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
利用变换模拟频率估计离散选择模型的模拟最大似然
- 研究问题
- 研究离散选择模型不具有加性正态或极值误差、常用 GHK 或 logit 方法不适用时，如何进行模拟似然估计。
- 方法与思路
- 作者从模拟频率构成的似然出发，寻找显式变换，使每个有限模拟次数下均能识别真实参数，且无需额外估计未知量。
- 材料陈述的贡献
- 摘要称方法在每个有限模拟次数下消除模拟偏差，并在模拟次数增长足够快时达到最大似然效率，附有蒙特卡洛研究。
- 阅读关注点
- 应核对变换后的识别与目标函数性质、支持的模型范围，以及模拟次数相对样本量的增长要求和计算实现。
- 阅读边界
- 摘要未说明消除模拟偏差的精确定义和正则条件；该陈述不等于有限样本参数估计无偏，也未报告模拟表现数值。
原文摘要
Many existing methods of simulated likelihood for discrete choice models require additive errors that have normal or extreme value distributions. This paper focuses on a situation where the model does not admit such additive errors so that the popular method of GHK or logit estimation is not applicable. This paper proposes a new method of simulated likelihood that is free from simulation bias for each finite number of simulations, and yet flexible enough to accommodate various model specifications beyond those of additive normal or logit errors. The method begins with the likelihood function involving simulated frequencies and finds a transform of the likelihood function that identifies the true parameter for each finite simulation number. The transform is explicit, containing no unknowns that demand an additional step of estimation. The estimator achieves the efficiency of MLE when the simulation number increases fast enough. This paper presents and discusses results from Monte Carlo simulation studies of the new method.