Heterogeneity in dynamic discrete choice models
动态离散选择模型中的异质性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：摘要直接研究动态离散选择模型中的参数异质性及短面板估计表现。
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
动态离散选择模型中的异质性
- 研究问题
- 动态离散选择的水平参数与状态依赖参数均存在异质性时，如何改善短面板中转移概率估计的偏误与均方误差？
- 方法与思路
- 作者先研究无协变量、两种转移概率均异质的两状态一阶马尔可夫模型，推导精确小样本结果，并构造偏误修正 MLE 与 MIMSE。
- 材料陈述的贡献
- 摘要称 MIMSE 具有闭式表达、始终有定义并继承 MLE 的良好大样本性质，在其研究的几乎所有短面板情境中均方误差更低。
- 阅读关注点
- 应核对异质性的建模方式、积分均方误差的积分对象、精确比较适用的面板情境，以及纳入外生协变量后的条件变化。
- 阅读边界
- 摘要未提供 MIMSE 公式、比较范围与数值幅度；其简化模型中的均方误差优势，不能直接推广到任意动态离散选择模型。
原文摘要
We consider dynamic discrete choice models with heterogeneity in both the levels parameter and the state dependence parameter. We first present an empirical analysis that motivates the theoretical analysis which follows. The theoretical analysis considers a simple two-state, first-order Markov chain model without covariates in which both transition probabilities are heterogeneous. Using such a model we are able to derive exact small sample results for bias and mean squared error (MSE). We discuss the maximum likelihood approach and derive two novel estimators. The first is a bias corrected version of the Maximum Likelihood Estimator (MLE) although the second, which we term MIMSE, minimizes the integrated mean square error. The MIMSE estimator is always well defined, has a closed-form expression and inherits the desirable large sample properties of the MLE. Our main finding is that in almost all short panel contexts the MIMSE significantly outperforms the other two estimators in terms of MSE. A final section extends the MIMSE estimator to allow for exogenous covariates. Copyright (C) The Author(s). Journal compilation (C) Royal Economic Society 2010.