Identification of Average Marginal Effects in Fixed Effects Dynamic Discrete Choice Models
固定效应动态离散选择模型中平均边际效应的识别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：摘要同时涉及固定效应短面板、动态 logit 选择，以及滞后选择和持续时间变化的因果效应。
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
固定效应动态离散选择模型中平均边际效应的识别
- 研究问题
- 固定效应非线性短面板能否识别平均边际效应，尤其是滞后选择或上一次选择持续时间变化所产生的因果效应？
- 方法与思路
- 作者在面板动态 logit 模型中给出构造性识别证明，将不同平均边际效应表示为选择历史概率的简单闭式表达式。
- 材料陈述的贡献
- 摘要称，部分平均边际效应在最短三期面板中即可点识别，并通过蒙特卡洛实验和消费者品牌选择应用展示结果。
- 阅读关注点
- 应核对不同效应各自需要的期数和模型限制、选择历史概率的支持条件，以及闭式识别表达式如何转化为样本估计。
- 阅读边界
- 所给材料为在线优先版本摘要，未列出完整识别假设或估计推断性质；三期结论不能外推至任意动态离散选择模型。
原文摘要
Abstract In nonlinear panel data models, fixed-effects methods are often criticized because they cannot identify average marginal effects (AMEs) in short panels. In contrast with that criticism, we prove the point identification of different AMEs, including causal effects of changes in the lagged dependent variable or the last choice's duration, in a panel dynamic logit model for T as small as three. Our proofs are constructive and provide simple closed-form expressions for the AMEs in terms of probabilities of choice histories. We illustrate our results using Monte Carlo experiments and with an empirical application of a dynamic model of consumer brand choice.