A Reassessment of Likelihood Approximation by Integration on Sparse Grids
重新评估稀疏网格积分的似然近似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：摘要明确研究随机系数离散选择模型、面板及横截面混合 logit 的选择概率积分，直接属于离散选择方法。
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
重新评估稀疏网格积分的似然近似
- 研究问题
- 稀疏网格积分近似随机系数离散选择模型中的选择概率时，原有性能结论能否在不同方差结构和备选项数量下复现？
- 方法与思路
- 作者复现面板混合 logit 的主要发现，再改变随机系数方差及其结构，并考察横截面混合 logit 中备选项数量的影响。
- 材料陈述的贡献
- 摘要称，原结果可在部分设定下复现，但较高方差、不同方差结构及较多备选项的横截面模型中，某些原结论无法复现。
- 阅读关注点
- 应核对积分精度和计算成本如何衡量、网格与比较算法如何设置，以及复现失败对应哪些参数范围和备选项配置。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断复现失败的具体标准、误差大小或临界备选项数量，也不能据此认定稀疏网格方法普遍失效。
原文摘要
ABSTRACT This paper revisits sparse grid integration proposed in the literature for approximating integrals that occur as choice probabilities in random coefficient discrete choice models. First, we successfully replicate their main findings for the panel mixed logit. Second, for higher variances and for a different structure of the variances of the random coefficients, in certain cases, we fail to replicate the original results. Third, for the important special case of cross‐sectional mixed logit, replication of the original results is successful when the number of alternatives is moderate but fails otherwise.