Estimating dynamic discrete-choice games of incomplete information
不完全信息动态离散选择博弈的估计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：摘要明确研究动态离散选择博弈及其结构参数的似然估计，因此直接对应离散选择和结构估计两个方向。
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
不完全信息动态离散选择博弈的估计
- 研究问题
- 研究如何计算不完全信息动态离散选择博弈的结构参数估计，并减少反复求解动态博弈或枚举均衡的计算负担。
- 方法与思路
- 作者将最大似然估计写成约束优化问题，使用约束优化求解器；在数据仅由一个均衡生成的假设下避免逐次求解博弈。
- 材料陈述的贡献
- 摘要提出约束优化计算路径，并通过蒙特卡洛比较最大似然、两步伪最大似然和嵌套伪似然的数值及有限样本表现。
- 阅读关注点
- 应核对优化约束如何表达均衡条件、单一均衡假设的作用，以及求解器收敛和不同估计方法比较所用的标准。
- 阅读边界
- 仅据所给OpenAlex版本摘要，不能判断全局优化保证或各方法的具体表现；结论依赖所述均衡假设，不推断刊本变化。
原文摘要
We investigate the estimation of models of dynamic discrete-choice games of incomplete information, formulating the maximum-likelihood estimation exercise as a constrained optimization problem that can be solved using state-of-the-art constrained optimization solvers. Under the assumption that only one equilibrium is played in the data, our approach avoids repeatedly solving the dynamic game or finding all equilibria for each candidate vector of the structural parameters. We conduct Monte Carlo experiments to investigate the numerical performance and finite-sample properties of the constrained optimization approach for computing the maximum-likelihood estimator, the two-step pseudo-maximum-likelihood estimator, and the nested pseudo-likelihood estimator, implemented by both the nested pseudo-likelihood algorithm and a modified nested pseudo-likelihood algorithm.