Estimating dynamic panel data discrete choice models with fixed effects
固定效应动态面板离散选择模型的估计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：摘要直接研究固定效应动态面板中的二元选择模型，对应面板数据与离散选择。
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
固定效应动态面板离散选择模型的估计
- 研究问题
- 在时间维度较短的固定效应动态二元选择面板中，如何降低最大似然偏差，并处理依赖个体效应分布的政策参数识别与估计？
- 方法与思路
- 作者采用修正最大似然估计，在含滞后因变量和外生变量的 Probit、Logit 模型中开展模拟，并讨论政策效应对个体效应分布的依赖。
- 材料陈述的贡献
- 摘要称偏差阶由 O(T⁻¹) 降至 O(T⁻²)，且不增加渐近方差；八期面板模拟中偏差较小，对关注效应分布的估计也得到改善。
- 阅读关注点
- 核对似然修正与初始观测的处理、偏差展开的条件，以及政策参数何时只需平均个体效应、何时需要完整个体效应分布。
- 阅读边界
- 依据所给作者／机构库版本摘要，不能推断刊本变化；摘要未说明完整识别条件和模拟参数，八期面板中的表现不代表所有短面板。
原文摘要
In this paper, I consider the estimation of dynamic binary choice panel data models with fixed effects. I use a Modified Maximum Likelihood Estimator (MMLE) that reduces the order of the bias in the Maximum Likelihood Estimator from O(T^(-1)) to O(T^(-2)), without increasing the asymptotic variance. I evaluate its performance in finite samples where T is not large, using Monte Carlo simulations. In Probit and Logit models containing lags of the endogenous variable and exogenous variables, the estimator is found to have a small bias in a panel with eight periods. A distinctive advantage of the MMLE is its general applicability. Identification issues about policy parameters of interest that arise in this kind of models are also addressed. In contrast with linear models, parameters of interest typically depend on the distribution of the individual effects. I discuss the relevance of mean effects across individuals and show an instance in which the entire distribution is needed. Compared with simple MLE, simulation results show that MMLE improves significantly the estimation of the distribution of the effect of interest.