Dynamic Panel Multinomial Logit Models
动态面板多项Logit模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确涉及动态面板数据模型与个体固定效应，并以多项Logit离散选择模型为对象，故对应面板数据与离散选择两个方向。
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
动态面板多项Logit模型
- 研究问题
- 摘要称，本文研究含个体特定固定效应的动态多项Logit面板数据模型，如何构造不依赖固定效应的矩条件，并据此识别与估计共同参数。
- 方法与思路
- 作者提出通过对不同时期结果进行置换得到变换模型；对任意循环置换，变换模型概率与真实模型概率之比不含固定效应，比较两个此类比值即可得到对共同参数的限制，进而用于广义矩估计。
- 材料陈述的贡献
- 摘要称提供了动态多项Logit面板模型的矩条件，并在一个主要情形下给出矩条件识别共同参数的充分条件；还将其用于家庭软饮料购买的实证应用，并指出构造方法可推广到静态对应模型存在固定效应对称充分统计量的动态面板模型。
- 阅读关注点
- 阅读全文时应核对：矩条件的具体形式与推导、主要情形下识别充分条件的假设、GMM估计量的性质与推断方式、实证应用的数据与设定，以及推广到其他模型的适用条件。
- 阅读边界
- 仅凭摘要无法判断矩条件的实际识别强度、估计量的有限样本表现、实证结果的可信度与稳健性；该文为arXiv预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
This paper provides moment conditions for dynamic multinomial logit panel data models with individual specific fixed effects. The moment conditions do not depend on the fixed effects and thus form the basis for generalized method of moments estimation. For a leading case, we provide sufficient conditions under which the moment conditions identify the common parameters, and we illustrate their use in an empirical application to household soft drink purchases. The construction of moment conditions is based on transformed models obtained by permuting outcomes across time periods. For any cyclic permutation, the ratio of the transformed model probability to the true model probability is free of the fixed effects, and comparing two such ratios yields restrictions on the common parameters of interest. This construction is not specific to the multinomial logit. It applies to any dynamic panel data model whose static counterpart admits a symmetric sufficient statistic for the fixed effects. This unifies our main result with analogous results for other models.