DECONVOLUTING PREFERENCES AND ERRORS: A MODEL FOR BINOMIAL PANEL DATA
分离偏好与误差：二元面板数据模型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：摘要明确研究陈述选择实验中的多期二元观测，同时具有重复观测结构与离散选择结果，直接支持面板和离散选择分类。
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
分离偏好与误差：二元面板数据模型
- 研究问题
- 在陈述选择实验的重复二元观测中，如何分别恢复个体不可观测偏好、各期误差的分布，以及协变量的系数参数？
- 方法与思路
- 作者设定包含个体共同不可观测项与各期误差的二元阈值模型，采用筛最大似然程序联合估计两类分布及系数。
- 材料陈述的贡献
- 摘要称在较弱假设下，两类不可观测变量的分布和系数均可一致估计；具体假设及所需重复观测条件未在摘要中列出。
- 阅读关注点
- 应核对个体项与各期误差如何区分、分布与系数的识别条件，以及重复观测长度、变量支持和筛空间的要求。
- 阅读边界
- 所给 Crossref 摘要未说明独立性、归一化或样本渐近方式，不能把“较弱假设”理解为无条件识别，也不能推断版本变化。
原文摘要
In many stated choice experiments researchers observe the random variables V t , X t , and Y t = 1{ U + δ ⊤ X t + ε t < V t }, t ≤ T , where δ is an unknown parameter and U and ε t are unobservable random variables. We show that under weak assumptions the distributions of U and ε t and also the unknown parameter δ can be consistently estimated using a sieved maximum likelihood estimation procedure.