Semiparametric Bayesian estimation of dynamic discrete choice models
动态离散选择模型的半参数贝叶斯估计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：摘要明确针对结构动态离散选择模型，估计效用参数与冲击分布。
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
动态离散选择模型的半参数贝叶斯估计
- 研究问题
- 动态离散选择模型中，如何放宽效用冲击服从极值分布的限制，同时保持估计可计算性并支持反事实分析？
- 方法与思路
- 作者用成分数可变的极值分布位置尺度混合刻画效用冲击，结合 Hamiltonian Monte Carlo 与近似最优可逆跳跃算法推断。
- 材料陈述的贡献
- 摘要称，该方法在冲击分布偏离标准动态 logit 假设的模拟中提供可靠推断，并给出混合逼近及集合识别参数的后验集中结果。
- 阅读关注点
- 核对效用参数集合识别的条件、混合分布的逼近距离、先验与成分数设定，以及后验集中如何支持反事实推断。
- 阅读边界
- 仅据所给出版社摘要，不能确定识别集合、理论收敛条件或计算成本；所述可靠性来自特定模拟，不能推广为普遍优势。
原文摘要
We propose a tractable semiparametric estimation method for structural dynamic discrete choice models. The distribution of additive utility shocks in the proposed framework is modeled by location-scale mixtures of extreme value distributions with varying numbers of mixture components. Our approach exploits the analytical tractability of extreme value distributions in the multinomial choice settings and the flexibility of the location-scale mixtures. We implement the Bayesian approach to inference using Hamiltonian Monte Carlo and an approximately optimal reversible jump algorithm. In our simulation experiments, we show that the standard dynamic logit model can deliver misleading results, especially about counterfactuals, when the shocks are not extreme value distributed. Our semiparametric approach delivers reliable inference in these settings. We develop theoretical results on approximations by location-scale mixtures in an appropriate distance and posterior concentration of the set identified utility parameters and the distribution of shocks in the model.