Estimating multinomial choice models with unobserved choice sets
不可观测选择集下的多项选择模型估计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：摘要直接研究消费者多项选择、随机效用模型识别及结构性需求估计。
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
不可观测选择集下的多项选择模型估计
- 研究问题
- 当消费者的实际选择集不可观测，但其最大与最小可能集合已知时，能否识别和估计随机效用模型，而无需掌握精确选择集？
- 方法与思路
- 作者结合选择集上下界与效用最大化导出的单调性，建立观测选择概率的不等式限制，并用模拟及家庭扫描数据中的薯片需求应用展示方法。
- 材料陈述的贡献
- 摘要称，选择集的边界信息可支持随机效用模型识别，推广标准多项选择模型的识别结果；模拟与需求应用用于展示方法的有效性。
- 阅读关注点
- 应核对选择集边界的来源和有效性、单调性限制的具体形式、识别是点识别还是集合识别，以及不等式估计和推断的实施要求。
- 阅读边界
- 仅据所给出版社摘要，无法判断边界信息不足时的识别强度、选择集形成机制或实证结果大小；摘要未完整列出识别与推断条件。
原文摘要
This paper proposes a new approach to estimating multinomial choice models when each consumer’s actual choice set is unobservable but could be bounded by two known sets, i.e., the largest and smallest possible choice sets. The bounds on choice set, combined with a monotonicity property derived from utility maximization, imply a system of inequality restrictions on observed choice probabilities that could be used to identify and estimate the model. A key insight is that the identification of random utility model can be achieved without exact information on consumers’ choice sets, which generalizes the identification result of the standard multinomial choice model. The effectiveness of the proposed approach is demonstrated via a range of Monte Carlo experiments as well as an empirical application to consumer demand for potato chips using household scanner data.