Estimation and Inference by Stochastic Optimization: Three Examples
通过随机优化进行估计与推断：三个实例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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确涉及结构模型与 BLP、动态面板回归，以及工具变量 probit 模型，分别支持这三个方向。
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
通过随机优化进行估计与推断：三个实例
- 研究问题
- 结构模型的估计与自助法推断能否通过随机优化减少计算成本，同时保持推断准确性，并改善模拟估计的统计效率？
- 方法与思路
- 作者展示重抽样牛顿法与重抽样拟牛顿法，并通过 BLP 应用、工具变量 probit 回归及动态面板模拟说明其用途。
- 材料陈述的贡献
- 摘要报告两种算法在 BLP 应用中缩短计算时间，并以模拟展示估计和推断准确性，以及模拟估计的效率收益。
- 阅读关注点
- 应核对重抽样更新如何兼顾优化与推断、算法参数怎样设置，以及计算时间和效率比较是否采用可比的精度标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未说明完整适用条件，个别实例的加速与效率收益不能直接推广。
原文摘要
This paper illustrates two algorithms designed in Forneron & Ng (2020): the resampled Newton-Raphson (rNR) and resampled quasi-Newton (rqN) algorithms which speed-up estimation and bootstrap inference for structural models. An empirical application to BLP shows that computation time decreases from nearly 5 hours with the standard bootstrap to just over 1 hour with rNR, and only 15 minutes using rqN. A first Monte-Carlo exercise illustrates the accuracy of the method for estimation and inference in a probit IV regression. A second exercise additionally illustrates statistical efficiency gains relative to standard estimation for simulation-based estimation using a dynamic panel regression example.