Identification of mixtures of dynamic discrete choices
动态离散选择混合模型的识别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：题名明确指向动态离散选择，摘要研究其有限潜在类型混合结构的识别。
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
动态离散选择混合模型的识别
- 研究问题
- 动态离散选择中的潜在类型形成有限马尔可夫过程混合时，能否仅用少量时期观测的截面联合分布识别模型，而无需类型单调性信息？
- 方法与思路
- 作者针对有限马尔可夫过程混合提出识别论证，在所述简单条件下利用三个或更多有效时间序列观测的截面分布恢复模型。
- 材料陈述的贡献
- 摘要称得到新的识别结果，尤其不需要通过单调性限制把条件分布与潜在类型联系起来的外部信息，并说明与既有方法的区别。
- 阅读关注点
- 应核对有效时间序列观测的定义、所谓简单条件的具体内容，以及潜在类型区分、标签对应和短面板信息的作用。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，类型数、支持及识别条件未说明，不能把三个观测视为无条件充分或推断后续版本变化。
原文摘要
This paper provides new identification results for finite mixtures of Markov processes. Our arguments yield identification from knowledge of the cross-sectional distribution of three (or more) effective time-series observations under simple conditions. We explain how our approach and results are different from those in previous work by Kasahara and Shimotsu (2009) and Hu and Shum (2012). Most notably, outside information, such as monotonicity restrictions that link conditional distributions to latent types, is not needed.