Distribution-Free Maximum Likelihood Estimator of the Binary Choice Model
二元选择模型的分布无关极大似然估计量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：题名与摘要明确研究二元选择模型中的效用差参数和未知随机项分布，直接对应离散选择方向，未据此扩展到其他领域。
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
二元选择模型的分布无关极大似然估计量
- 研究问题
- 二元选择模型中，若效用差随机项的分布形式未知，能否同时估计系统性效用参数与该分布，并保证估计的一致性？
- 方法与思路
- 作者采用极大似然法，联合对系统性效用差的参数及包含全部分布函数的空间进行优化，不预先指定随机项分布的函数形式。
- 材料陈述的贡献
- 摘要称该参数估计量在不设定随机项分布函数形式的情况下具有一致性，同时给出分布函数的一致估计；证明条件未列明。
- 阅读关注点
- 阅读全文时应核对参数与未知分布的识别及归一化条件、联合优化如何实施，以及一致性证明需要哪些支持集和正则条件。
- 阅读边界
- 所给摘要开头不完整，未说明识别假设、计算细节或推断方法；“分布无关”不意味着完全无须模型设定与正则条件。
原文摘要
is a given function of the exogenous variables z and unknown parameters 9, representing the systematic component of the utility difference, and F is the distribution function of the random component of the utility difference. This paper describes a method of estimating the parameters 9 without assuming any functional form for the distribution function F, and proves that this estimator is consistent. F is also consistently estimated. The method uses maximum likelihood estimation in which the likelihood is maximized not only over the parameter 9 but also over a space which contains all distribution functions.