跳到正文
← 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。

本页为预印本版本;arXiv 收录、作者填写的期刊信息以及作者既有发表经历,都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对,只展示已核实例,档案仍可能误合并。

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:摘要研究离散行动下的战略互动,使用收益冲击和均衡概率限制估计结构参数,直接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…

关注这篇论文的作者
Paul S. Koh

完全信息离散博弈的估计:让 Logit 重回博弈

研究问题
完全信息离散博弈存在多个均衡和部分识别时,如何避免昂贵的均衡枚举,获得可计算且有信息量的参数外集?
方法与思路
作者比较行动组合的观察频率与其能够成为均衡的模型概率,构造条件矩不等式,并处理无序及有序行动空间。
材料陈述的贡献
摘要称,在含 Logit 收益冲击的常用假设下,限制具有闭式表达且对部分参数凸;模拟与应用显示计算时间显著缩短。
阅读关注点
应核对外集与尖锐识别集的关系、闭式和凸性所需假设,以及计算比较是否使用相同精度、模型规模和推断目标。
阅读边界
这是 arXiv 预印本,同行评审或期刊接收未获核实;摘要未列出完整假设,也未给出运行时间和外集宽度的具体结果。

原文摘要

Discrete games are central tools for empirical analysis of strategic interaction, but equilibrium multiplicity and partial identification often make them computationally difficult to estimate. This paper develops tractable methods for estimation and inference in complete-information discrete games. The key idea is to construct an outer set by comparing observed frequencies of action profiles with singleton-class generalized likelihoods: model-implied probabilities that those profiles can arise as equilibria. The resulting conditional moment inequalities avoid computationally expensive equilibrium enumeration, numerical simulation, and grid search. Under standard empirical assumptions used in discrete-game models, including logit payoff shocks, these restrictions have closed-form expressions and are convex in a subvector of structural parameters. I develop the approach for both unordered and ordered action spaces. Monte Carlo experiments and empirical applications show that the methods deliver informative outer sets and can reduce computation time by several orders of magnitude relative to existing approaches.

笔记与分组