Identification of Average Marginal Effects in Fixed Effects Dynamic Discrete Choice Models
固定效应动态离散选择模型中平均边际效应的识别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。
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：摘要同时讨论固定效应短面板、动态 Logit 离散选择，以及具有状态依赖的品牌选择结构模型，支持这三个方向。
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
固定效应动态离散选择模型中平均边际效应的识别
- 研究问题
- 短面板中未观测异质性的分布无法识别时，固定效应动态 Logit 模型是否仍能点识别滞后选择或选择持续时间的平均边际效应？
- 方法与思路
- 作者以构造性证明将若干平均边际效应写为选择历史概率的闭式表达，并通过蒙特卡洛与消费者品牌选择结构模型演示。
- 材料陈述的贡献
- 摘要称在时间期数低至三期时可点识别不同平均边际效应，包括滞后因变量和上次选择持续时间变化的因果效应。
- 阅读关注点
- 应核对三期识别结论的模型限制、初始条件与协变量要求、可识别的效应种类，以及闭式表达如何转化为样本估计。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未给出具体识别条件，不能推广到任意短面板非线性模型。
原文摘要
In nonlinear panel data models, fixed effects methods are often criticized because they cannot identify average marginal effects (AMEs) in short panels. The common argument is that identifying AMEs requires knowledge of the distribution of unobserved heterogeneity, but this distribution is not identified in a fixed effects model with a short panel. In this paper, we derive identification results that contradict this argument. In a panel data dynamic logit model, and for $T$ as small as three, we prove the point identification of different AMEs, including causal effects of changes in the lagged dependent variable or the last choice's duration. Our proofs are constructive and provide simple closed-form expressions for the AMEs in terms of probabilities of choice histories. We illustrate our results using Monte Carlo experiments and with an empirical application of a dynamic structural model of consumer brand choice with state dependence.