Sequential numerical integration in nonlinear state space models for microeconometric panel data
微观面板非线性状态空间模型中的序贯数值积分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：摘要明确针对微观面板模型，并在有序 logit 和二元 probit 中处理动态误差，直接涉及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
微观面板非线性状态空间模型中的序贯数值积分
- 研究问题
- 如何近似估计含自回归误差成分的非线性微观面板模型，使潜在状态的积分与似然计算能够实际实施？
- 方法与思路
- 作者借鉴时间序列非线性滤波算法，利用模型较简单的结构提出序贯高斯求积，用于近似非线性状态空间模型的似然。
- 材料陈述的贡献
- 摘要称，算法在健康经济学应用及含 AR(1) 误差的有序 logit、二元 probit 蒙特卡洛研究中表现良好。
- 阅读关注点
- 应核对状态与观测方程、初始状态处理、求积节点和近似误差，并检查计算成本及与其他滤波方法的比较。
- 阅读边界
- 所给 Crossref 摘要未说明求积精度、样本设计或性能指标，不能将所述良好表现推广至更复杂的潜在状态模型。
原文摘要
Abstract This paper discusses the estimation of a class of nonlinear state space models including nonlinear panel data models with autoregressive error components. A health economics example illustrates the usefulness of such models. For the approximation of the likelihood function, nonlinear filtering algorithms developed in the time‐series literature are considered. Because of the relatively simple structure of these models, a straightforward algorithm based on sequential Gaussian quadrature is suggested. It performs very well both in the empirical application and a Monte Carlo study for ordered logit and binary probit models with an AR(1) error component. Copyright © 2008 John Wiley & Sons, Ltd.