Nonparametric identification of discrete choice models with lagged dependent variables
含滞后因变量的离散选择模型的非参数识别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：摘要研究含滞后因变量的动态离散选择，并明确利用三个时期的观测进行识别。
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
含滞后因变量的离散选择模型的非参数识别
- 研究问题
- 含滞后因变量的离散选择模型能否利用协变量的连续变化，识别连续不可观测异质性，同时减少对初始条件和时间结构的限制？
- 方法与思路
- 作者借助特殊回归量的连续变化构造非参数识别论证，不要求潜在指数具有加性可分形式，并用蒙特卡洛模拟展示结果。
- 材料陈述的贡献
- 摘要称识别仅需三个时期，无须平稳性或时间同质性；初始条件分布除特殊回归量所需条件外不受限制。
- 阅读关注点
- 应核对特殊回归量的支持与独立性要求、连续异质性的识别对象，以及三个时期如何提供区分状态依赖与异质性的信息。
- 阅读边界
- 仅据所给出版社摘要，不能把三个时期足够理解为无条件识别；摘要未列出特殊回归量的具体条件及模拟中的数值表现。
原文摘要
Variation in covariates can be used to nonparametrically identify a discrete choice model with a lagged dependent variable and discrete unobserved heterogeneity (Kasahara and Shimotsu, 2009; Browning and Carro, 2014). In some cases the number of support points of the unobserved heterogeneity distribution is restricted only by the number of points of support in the distribution of the covariates. This paper provides conditions under which these models can be identified with continuous heterogeneity using continuous variation in the covariates. The identification argument is related to that of Honore and Lewbel (2002) in that it requires a “special regressor” (Lewbel, 1998), but it does not assume an additively separable latent index. Identification requires only 3 time periods, neither stationarity nor time homogeneity is imposed, and the distribution of the initial condition is not restricted apart from conditions required for the special regressor. I demonstrate the result through a Monte Carlo simulation.