Breaking the curse of dimensionality in conditional moment inequalities for discrete choice models
离散选择模型条件矩不等式中的维度诅咒突破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。
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：摘要明确研究半参数离散选择模型的偏好参数、集合识别及条件矩不等式推断。
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
离散选择模型条件矩不等式中的维度诅咒突破
- 研究问题
- 当半参数离散选择模型的偏好参数只能集合识别时，能否降低条件矩不等式的条件变量维度，以改善非参数推断的可行性？
- 方法与思路
- 作者利用半参数模型限制，将识别集等价表示为仅以两个连续指标变量为条件的矩不等式，并将降维刻画扩展至其他模型。
- 材料陈述的贡献
- 摘要称，条件变量维度可不依赖原协变量维度，从而缓解此类非参数推断的维度问题，并扩展至单调单指标及符号限制模型。
- 阅读关注点
- 应核对两个指标的构造、识别集等价性的模型条件，以及未知指标估计如何进入推断，并检查其他模型扩展的边界。
- 阅读边界
- 所据为 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明完整模型限制、推断程序或降维后的具体收敛率。
原文摘要
This paper studies inference of preference parameters in semiparametric discrete choice models when these parameters are not point-identified and the identified set is characterized by a class of conditional moment inequalities. Exploring the semiparametric modeling restrictions, we show that the identified set can be equivalently formulated by moment inequalities conditional on only two continuous indexing variables. Such formulation holds regardless of the covariate dimension, thereby breaking the curse of dimensionality for nonparametric inference based on the underlying conditional moment inequalities. We further apply this dimension reducing characterization approach to the monotone single index model and to a variety of semiparametric models under which the sign of conditional expectation of a certain transformation of the outcome is the same as that of the indexing variable.