Pre-Training Estimators for Structural Models: Application to Consumer Search
结构模型的预训练估计器：消费者搜寻应用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：摘要明确以结构计量模型参数估计为目标，并以消费者序贯搜寻模型说明方法。
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
结构模型的预训练估计器：消费者搜寻应用
- 研究问题
- 能否预先训练可共享的结构模型估计器，使其在不同数据集上快速识别参数，并保留有明确含义的贝叶斯推断目标？
- 方法与思路
- 作者训练神经网络从数据模式识别结构参数，并为序贯搜寻模型构造预训练估计器，在多个真实数据集上应用。
- 材料陈述的贡献
- 摘要称，充分训练时估计器趋于给定数据模式的贝叶斯后验，并报告在十二个真实数据集上实现快速且准确的估计。
- 阅读关注点
- 应核对训练数据生成机制、参数先验和数据模式的信息损失，以及后验收敛的含义、跨数据集适用性与精度基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收均未核实；摘要未说明充分训练的条件，也未给出精度指标或训练成本。
原文摘要
We develop pre-trained estimators for structural econometric models. The estimator uses a neural net to recognize the structural model's parameter from data patterns. Once trained, the estimator can be shared and applied to different datasets at negligible cost and effort. Under sufficient training, the estimator converges to the Bayesian posterior given the data patterns. As an illustration, we construct a pretrained estimator for a sequential search model (available at pnnehome.github.io). Estimation takes only seconds and achieves high accuracy on 12 real datasets. More broadly, pretrained estimators can make structural models much easier to use and more accessible.