Nonparametric identification and estimation of polychotomous choice models
多类别选择模型的非参数识别与估计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：摘要明确研究多类别选择、子效用与随机效用项的非参数识别和估计，直接对应离散选择。
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
多类别选择模型的非参数识别与估计
- 研究问题
- 当可观测属性的子效用函数与不可观测随机项分布均不作参数化设定时，多类别选择模型在什么条件下可以识别并估计？
- 方法与思路
- 作者提出非参数识别条件，描述满足经济理论性质和识别限制的函数集合，并据此构造可观测属性子效用函数的估计量。
- 材料陈述的贡献
- 摘要称建立识别结果并给出强一致估计，涵盖随机项分布依赖和不依赖可观测特征两种模型情形。
- 阅读关注点
- 应核对子效用与随机项分布各自被识别的范围、必要的归一化及支持条件，以及强一致性所需的函数空间限制。
- 阅读边界
- 仅据所给 OpenAlex 摘要，不能认定两类未知对象都被完全识别；具体识别限制、估计算法、收敛率和有限样本表现未说明。
原文摘要
In this paper we provide conditions guaranteeing the identification of nonparametric polychotomous choice models. In these models, neither the subutility function of observable attributes nor the distribution of the unobservable random terms is specified parametrically. Sets of nonparametric functions that possess properties that are often implied by economic theory and satisfy the restrictions required to identify the models are described. We use the identification results to develop nonparametric strongly-consistent estimators for the subutility function of observable attributes. The results concern models in which the distribution of the unobservable random terms both depend and do not depend on the observable characteristics.