The endogenous grid method for discrete-continuous dynamic choice models with (or without) taste shocks
离散—连续动态选择模型的内生网格法：有无偏好冲击的情形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：摘要明确研究离散—连续动态选择模型的求解与结构估计。
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…
离散—连续动态选择模型的内生网格法：有无偏好冲击的情形
- 研究问题
- 如何高效求解并估计同时包含离散与连续决策的动态模型，处理离散决策造成的价值函数折点与政策规则不连续？
- 方法与思路
- 作者将内生网格法扩展为DC-EGM，并讨论加性、选择特定的独立同分布极值偏好冲击如何缓解求解困难。
- 材料陈述的贡献
- 摘要称，生命周期消费与离散退休模型的蒙特卡洛实验支持DC-EGM及配套最大似然估计的可靠性与效率。
- 阅读关注点
- 应核对有无偏好冲击时的算法步骤、折点处理、数值误差标准，以及求解精度如何影响最大似然估计。
- 阅读边界
- 仅据所给OpenAlex版本摘要，算法适用模型的具体限制、收敛保证和性能比较数值均未说明，不能推断刊本变化。
原文摘要
We present a fast and accurate computational method for solving and estimating a class of dynamic programming models with discrete and continuous choice variables. The solution method we develop for structural estimation extends the endogenous grid-point method (EGM) to discrete-continuous (DC) problems. Discrete choices can lead to kinks in the value functions and discontinuities in the optimal policy rules, greatly complicating the solution of the model. We show how these problems are ameliorated in the presence of additive choice-specific independent and identically distributed extreme value taste shocks that are typically interpreted as “unobserved state variables” in structural econometric applications, or serve as “random noise” to smooth out kinks in the value functions in numerical applications. We present Monte Carlo experiments that demonstrate the reliability and efficiency of the DC-EGM algorithm and the associated maximum likelihood estimator for structural estimation of a life-cycle model of consumption with discrete retirement decisions.