Bayesian and maximum likelihood analysis of large-scale panel choice models with unobserved heterogeneity
含未观测异质性的大规模面板选择模型：贝叶斯与极大似然分析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 logistic 面板选择模型及交互固定效应，直接对应离散选择与面板数据方向。
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
含未观测异质性的大规模面板选择模型：贝叶斯与极大似然分析
- 研究问题
- 研究大规模面板离散选择中，如何同时处理多个个体效应、横截面依赖和异质回归系数，并估计交互固定效应的维度。
- 方法与思路
- 作者构建含交互固定效应和异质系数的 logistic 面板模型，提出贝叶斯及非贝叶斯估计方法，并以信息准则选择交互效应维度。
- 材料陈述的贡献
- 摘要称，横截面和时间维度同时增大时，系数及交互效应估计一致且渐近正态，信息准则一致选维，并提供模拟与出租车司机应用。
- 阅读关注点
- 应核对交互效应的归一化与识别、异质系数设定、双维增长条件，以及贝叶斯和极大似然实现、信息准则惩罚项与效率测量。
- 阅读边界
- 所给出版社摘要未列出全部识别条件、先验设定和数值结果，不能推断方法在短面板中同样有效或司机效率结果具有因果含义。
原文摘要
This paper considers the estimation and inference procedures for the case of a logistic panel regression model with interactive fixed effects, where multiple individual effects are allowed and the model is capable of capturing high-dimensional cross-section dependence. The proposed model also allows for heterogeneous regression coefficients. New Bayesian and non-Bayesian approaches are introduced to estimate the model parameters. We investigate the asymptotic behaviors of the estimated parameters. We show the consistency and asymptotic normality of the estimated regression coefficients and the estimated interactive fixed effects when both the cross-section and time-series dimensions of the panel go to infinity. We prove that the dimensionality of the interactive effects can be consistently estimated by the proposed information criterion. Monte Carlo simulations demonstrate the satisfactory performance of the proposed method. Finally, the method is applied to study the performance of New York City medallion drivers in terms of efficiency.