Dynamic binary outcome models with maximal heterogeneity
具有最大异质性的动态二元结果模型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：题名与摘要明确讨论个体行为的动态二元结果及异质性，直接对应离散选择方向。
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
具有最大异质性的动态二元结果模型
- 研究问题
- 如何在动态二元结果模型中容纳尽可能一般的个体异质性，避免对初始状态和转移概率的联合分布施加额外限制？
- 方法与思路
- 作者采用个体层面的时间齐次一阶马尔可夫模型，将初始值与转移概率的联合分布保持不受限制以定义最大异质性。
- 材料陈述的贡献
- 摘要称，该异质性建模除个体时间齐次一阶马尔可夫假设外不对数据额外施限，并容纳产生此类可观测过程的理论模型。
- 阅读关注点
- 应核对最大异质性的形式定义、个体假设对总体观测分布的约束，以及全文是否提供识别、估计或可检验限制。
- 阅读边界
- 所给出版社摘要未说明参数识别、估计算法或实证表现；不限制异质性联合分布并不意味着无需个体马尔可夫假设。
原文摘要
Most econometric schemes to allow for heterogeneity in micro behavior have two drawbacks: they do not fit the data and they rule out interesting economic models. In this paper we consider the time homogeneous first order Markov (HFOM) model that allows for maximal heterogeneity. That is, the modeling of the heterogeneity does not impose anything on the data (except the HFOM assumption for each agent) and it allows for any theory model (that gives a HFOM process for an individual observable variable). ‘Maximal’ means that the joint distribution of initial values and the transition probabilities is unrestricted.