Nonparametric identification of dynamic models with unobserved state variables
含不可观测状态变量的动态模型的非参数识别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：摘要明确讨论优化代理人的结构动态模型、选择变量及条件选择概率方法，直接关联结构估计与离散选择。
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
含不可观测状态变量的动态模型的非参数识别
- 研究问题
- 当仅观察代理人的选择与部分状态，而未观测状态随时间变化并存在序列相关时，能否识别联合马尔可夫过程的转移规律？
- 方法与思路
- 作者研究只观测 W 时对 W 与潜在状态联合转移规律的非参数识别，区分平稳与非平稳情形，并说明其对条件选择概率估计的作用。
- 材料陈述的贡献
- 摘要称，非平稳情形可由连续五期观测识别联合转移规律，平稳情形只需四期；该结果为马尔可夫结构动态模型的 CCP 方法提供输入。
- 阅读关注点
- 应核对实现识别所需的完整条件、潜在状态的归一化或唯一性，以及平稳性为何减少一期观测和识别结果如何用于 CCP 估计。
- 阅读边界
- 仅据所给出版社摘要，不能获知完整识别假设或实际估计算法；四期或五期数据的结论不能理解为任意潜在状态模型都自动可识别。
原文摘要
We consider the identification of a Markov process {Wt,Xt∗} when only {Wt} is observed. In structural dynamic models, Wt includes the choice variables and observed state variables of an optimizing agent, while Xt∗ denotes time-varying serially correlated unobserved state variables (or agent-specific unobserved heterogeneity). In the non-stationary case, we show that the Markov law of motion fWt,Xt∗∣Wt−1,Xt−1∗ is identified from five periods of data Wt+1,Wt,Wt−1,Wt−2,Wt−3. In the stationary case, only four observations Wt+1,Wt,Wt−1,Wt−2 are required. Identification of fWt,Xt∗∣Wt−1,Xt−1∗ is a crucial input in methodologies for estimating Markovian dynamic models based on the “conditional-choice-probability (CCP)” approach pioneered by Hotz and Miller.