Joint analysis of the discount factor and payoff parameters in dynamic discrete choice models
动态离散选择模型中折扣因子与收益参数的联合分析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模型的折扣因子、收益参数和转换成本识别，明确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…
动态离散选择模型中折扣因子与收益参数的联合分析
- 研究问题
- 动态离散选择模型是否必须预先知道折扣因子，才能识别收益函数；折扣因子、收益参数与转换成本能否分别或联合识别？
- 方法与思路
- 作者提出构造性识别策略，分析折扣因子与收益参数的泛型联合识别，并给出不依赖折扣因子及其他收益部分的转换成本闭式识别。
- 材料陈述的贡献
- 摘要称，未知折扣因子仍允许识别部分甚至全部收益函数；折扣因子的识别对收益归一化选择稳健，并导出易计算的全局解。
- 阅读关注点
- 应核对泛型识别的含义、收益函数需施加的先验限制、归一化与转换成本的关系，以及构造性估计目标如何落实。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，不能推断无任何限制即可识别整个收益函数；泛型识别条件、例外情形及应用结果未说明。
原文摘要
Most empirical and theoretical econometric studies of dynamic discrete choice models assume the discount factor to be known. We show the knowledge of the discount factor is not necessary to identify parts, or even all, of the payoff function. We show the discount factor can be generically identified jointly with the payoff parameters. On the other hand, it is known the payoff function cannot be nonparametrically identified without any a priori restrictions. Our identification of the discount factor is robust to any normalization choice on the payoff parameters. In IO applications, normalizations are usually made on switching costs, such as entry costs and scrap values. We also show that switching costs can be nonparametrically identified, in closed‐form, independently of the discount factor and other parts of the payoff function. Our identification strategies are constructive. They lead to easy to compute estimands that are global solutions. We illustrate with a Monte Carlo study and the dataset used in Ryan ().