Dynamic discrete choice models with incomplete data: Sharp identification
数据不完整时动态离散选择模型的锐识别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模型的结构参数及反事实锐识别。
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…
数据不完整时动态离散选择模型的锐识别
- 研究问题
- 当前瞻性决策涉及的未来状态未在研究数据中出现时，动态离散选择模型的结构参数和反事实还能被识别到什么范围？
- 方法与思路
- 作者针对数据未覆盖相关未来状态实现值的情形，构造结构参数与反事实的锐识别集合，并应用于日本企业对华直接投资。
- 材料陈述的贡献
- 摘要明确提出不完整状态覆盖下的锐识别集合，并用年度东洋经济数据库研究未观测中国经济放缓后状态时的企业投资行为。
- 阅读关注点
- 应核对未观测状态如何进入价值函数、锐性证明如何排除更窄集合，以及参数集合与反事实集合的计算和经济解释。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，状态转移、决策偏好与集合计算条件未说明，应用的具体结论及后续刊本变化也无法判断。
原文摘要
In many empirical studies, those states that are relevant for forward-looking economic agents to make decisions may not be included in the data to which researchers have access. This problem often arises in the context of declining/booming industries. In this paper, we develop the sharp identified sets of structural parameters and counterfactuals for dynamic discrete choice models when empirical data do not cover realizations of relevant future states. Applying the proposed method to the annual Toyo Keizai database, we study the behaviors of Japanese firms on foreign direct investments in China without observing the future states after Chinese economy slows down.