Semiparametric estimation of dynamic discrete choice models
动态离散选择模型的半参数估计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：摘要明确研究动态二元选择模型中效用参数与未知冲击分布的识别估计。
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…
动态离散选择模型的半参数估计
- 研究问题
- 当动态二元选择模型的每期效用具有有限维参数、效用冲击分布不作参数化设定时，如何识别模型并进行可计算的估计？
- 方法与思路
- 作者推导未知效用冲击分位数函数的新递归表示，并据此构造估计量，其形式类似半参数回归和平均导数估计中的闭式方法。
- 材料陈述的贡献
- 摘要称，新的递归表示支持半参数模型识别，估计量计算直接；蒙特卡洛实验显示其在所考察的小样本设定中表现良好。
- 阅读关注点
- 应核对递归关系需要的状态支持、归一化与动态条件，以及未知冲击分布如何估计、误差如何传递和模拟比较如何设置。
- 阅读边界
- 仅据所给出版社摘要，无法判断识别所需的完整条件、冲击分布允许范围或小样本优势的普遍性；未提供具体模拟数值。
原文摘要
We consider the estimation of dynamic binary choice models in a semiparametric setting, in which the per-period utility functions are known up to a finite number of parameters, but the distribution of utility shocks is left unspecified. This semiparametric setup differs from most of the existing identification and estimation literature for dynamic discrete choice models. To show identification we derive and exploit a new recursive representation for the unknown quantile function of the utility shocks. Our estimators are straightforward to compute, and resemble classic closed-form estimators from the literature on semiparametric regression and average derivative estimation. Monte Carlo simulations demonstrate that our estimator performs well in small samples.