Semiparametric Inference in Dynamic Binary Choice Models
动态二元选择模型中的半参数推断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：摘要围绕动态二元选择、每期收益及反事实条件选择概率开展推断，直接涉及离散选择与结构估计。
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…
动态二元选择模型中的半参数推断
- 研究问题
- 在不对不可观测状态变量施加分布假设时，如何对动态二元选择模型推断，并评估收益参数与反事实选择的敏感性？
- 方法与思路
- 作者把贝叶斯推断与部分识别结果结合，针对可观测状态空间有限的动态二元选择模型，并以公交发动机更换模型演示。
- 材料陈述的贡献
- 摘要称，未观测状态的参数分布假设可明显影响每期收益估计，但对多数可观测状态的反事实条件选择概率影响可能较小。
- 阅读关注点
- 应核对部分识别集合、先验与后验的关系、有限状态限制，以及收益参数敏感而反事实概率较稳健的具体条件。
- 阅读边界
- 摘要未提供识别条件、先验设定或实验细节；不对未观测状态作分布假设，并不代表模型完全不需要其他结构限制。
原文摘要
We introduce an approach for semiparametric inference in dynamic binary choice models that does not impose distributional assumptions on the state variables unobserved by the econometrician. The proposed framework combines Bayesian inference with partial identification results. The method is applicable to models with finite space of observed states. We demonstrate the method on Rust's model of bus engine replacement. The estimation experiments show that the parametric assumptions about the distribution of the unobserved states can have a considerable effect on the estimates of per-period payoffs. At the same time, the effect of these assumptions on counterfactual conditional choice probabilities can be small for most of the observed states.