A simple nonparametric approach to estimating the distribution of random coefficients in structural models
结构模型中随机系数分布估计的简便非参数方法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：摘要明确估计结构模型中的随机系数联合分布，并在三个离散选择模型中核验条件，直接对应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
结构模型中随机系数分布估计的简便非参数方法
- 研究问题
- 如何以计算上较简便的非参数混合方法估计结构模型中随机系数的联合分布，并保证分布估计的一致性与收敛速度？
- 方法与思路
- 作者固定异质性参数的网格，仅估计各网格点的混合权重，分别研究最小二乘与似然方法，并在离散选择模型中核验条件。
- 材料陈述的贡献
- 摘要称给出了弱拓扑下分布估计收敛的条件，在三个离散选择模型中核验多数条件，并在额外限制下推导最小二乘收敛率。
- 阅读关注点
- 应核对网格设置如何随样本变化、随机系数分布的识别条件，以及三个选择模型中尚未核验的条件和收敛率所需限制。
- 阅读边界
- 仅据所给出版社摘要，无法确认固定网格下逼近任意真实分布的具体机制；计算优势和动态规划模拟的数值表现未说明。
原文摘要
We explore least squares and likelihood nonparametric mixtures estimators of the joint distribution of random coefficients in structural models. The estimators fix a grid of heterogeneous parameters and estimate only the weights on the grid points, an approach that is computationally attractive compared to alternative nonparametric estimators. We provide conditions under which the estimated distribution function converges to the true distribution in the weak topology on the space of distributions. We verify most of the consistency conditions for three discrete choice models. We also derive the convergence rates of the least squares nonparametric mixtures estimator under additional restrictions. We perform a Monte Carlo study on a dynamic programming model.