IDENTIFICATION OF DISCRETE CHOICE DYNAMIC PROGRAMMING MODELS WITH NONPARAMETRIC DISTRIBUTION OF UNOBSERVABLES
未观测变量分布非参数化的离散选择动态规划模型识别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：摘要明确研究离散选择动态规划模型的深层结构参数与原始函数识别。
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
未观测变量分布非参数化的离散选择动态规划模型识别
- 研究问题
- 研究动态离散选择模型在部分效用参数化、未观测状态分布非参数化时，如何识别深层结构参数且不依赖终期数据。
- 方法与思路
- 作者利用有充分变动的选择特定连续状态变量，以及可观测时间序列的条件独立假设，构造识别原始结构函数的排除限制。
- 材料陈述的贡献
- 摘要称给出该类模型的半参数识别充分条件，识别策略无需终期数据，因此可应用于无限期结构动态模型。
- 阅读关注点
- 应核对选择特定状态变量的变动和支持要求、效用规范化，以及时间序列条件独立假设如何生成所需排除限制。
- 阅读边界
- 所给 Crossref 摘要未给出完整充分条件、参数化范围和估计程序；识别结果不直接保证实际数据中的估计可行性。
原文摘要
This paper presents semiparametric identification results for the Rust (1994) class of discrete choice dynamic programming (DCDP) models. We develop sufficient conditions for identification of the deep structural parameters for the case where the per-period utility function ascribed to one choice in the model is parametric but the distribution of unobserved state variables is nonparametric. The proposed identification strategy does not rely on availability of the terminal period data and can therefore be applied to infinite horizon structural dynamic models. Identifying power comes from assuming that the agent’s per-period utilities admit continuous choice-specific state variables that are observed with sufficient variation and satisfy certain conditional independence assumptions on the joint time series of observables. These conditions allow us to formulate exclusion restrictions for identifying the primitive structural functions of the model.