Efficient estimation of structural models via sieves
通过筛方法高效估计结构模型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：摘要直接提出结构模型估计方法，以均衡约束构造估计器，并用 Walmart 与 Kmart 的进入博弈说明。
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
通过筛方法高效估计结构模型
- 研究问题
- 结构模型估计如何减少反复求解均衡的计算负担，同时保留一致性、渐近正态性与渐近效率等统计性质？
- 方法与思路
- 作者用基函数线性组合逼近模型解，将均衡条件作为惩罚来选择拟合系数，形成无约束优化，并应用于企业进入博弈。
- 材料陈述的贡献
- 摘要称，SEES 适用于广泛结构模型，避免反复求解、减少未知量且便于计算标准误，并具有所述渐近性质。
- 阅读关注点
- 应核对筛逼近对象、均衡惩罚与筛维数的选择，效率结论的参照界，以及进入博弈中的计算实现和均衡处理。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，模型适用条件、效率证明及实际计算节省未说明，不能据此保证任意结构模型均受益。
原文摘要
We propose a class of sieve-based efficient estimators for structural models (SEES), which approximate the solution using a linear combination of basis functions and impose equilibrium conditions as a penalty to determine the best-fitting coefficients. Our estimators circumvent repeated solution of the structural model, apply to a broad class of models, and are consistent, asymptotically normal, and asymptotically efficient. Moreover, they solve unconstrained optimization problems with fewer unknowns and offer convenient standard error calculations. As an illustration, we apply our method to an entry game between Walmart and Kmart.