Identification of random coefficient latent utility models
随机系数潜在效用模型的识别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：摘要明确研究离散选择及购买行为潜在效用模型中随机系数分布的结构识别。
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
随机系数潜在效用模型的识别
- 研究问题
- 研究能否仅利用平均购买量或汇总需求的变化，非参数识别潜在效用模型中的随机系数分布，而无需观察商品的联合购买。
- 方法与思路
- 作者利用平均数量的变化，结合协变量排除限制及随机斜率与随机截距独立性，建立离散选择和多重购买模型的识别结果。
- 材料陈述的贡献
- 摘要称识别无需解释变量具有大支持集，也无需参数化分布假设；结果适用于仅观察汇总需求的情形，并提供示例应用。
- 阅读关注点
- 应核对排除限制的具体结构、所需需求变化与支持条件，以及斜率和截距独立性如何使汇总数据足以识别系数分布。
- 阅读边界
- 仅据所给 Crossref 摘要，不能推断其他版本变化；完整识别条件和估计程序未说明，无需大支持集不代表无需支持条件。
原文摘要
This paper provides nonparametric identification results for random coefficient distributions in perturbed utility models. We cover discrete choice and models of multiple purchases. We establish identification using variation in mean quantities. The results apply even when an analyst observes only aggregate demands but not whether goods are chosen together. The identification results use exclusion restrictions on covariates and independence between random slope coefficients and random intercepts. We do not require regressors to have large supports or parametric assumptions. We use an illustrative application to interpret the general identification lessons in a specific context.