Estimation of dynamic discrete models from time aggregated data
时间聚合数据下动态离散模型的估计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：摘要明确涉及动态离散选择、动态离散博弈及行为模型状态转移的识别估计，支持离散选择与结构估计分类。
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
时间聚合数据下动态离散模型的估计
- 研究问题
- 当行为模型的决策时间间隔与观测数据的聚合间隔不同，动态离散选择及博弈中的状态转移密度会面临哪些识别和估计问题？
- 方法与思路
- 作者分析时间间隔错配造成的非参数识别与设定困难，并研究聚合数据下转移密度的参数极大似然和灵活半参数估计。
- 材料陈述的贡献
- 摘要称揭示行为时间与观测时间不同带来的识别及设定问题，并考察两类转移密度估计方法在这一环境下的性质。
- 阅读关注点
- 应核对观测转移与行为期转移之间的映射、非参数识别困难的具体形式，以及参数和半参数方法依赖的额外限制。
- 阅读边界
- 仅据所给出版社摘要，无法确定哪些聚合机制可识别或各估计量的具体性质；不能据此宣称时间聚合问题已被普遍解决。
原文摘要
An important component in dynamic discrete choice models and dynamic discrete games is the transition density of state variables from the current period to the next period. Most empirical dynamic discrete choice models identify the theoretical time interval in the behavioral model with that observed in the data set. However, many empirical data sets are time aggregated. In this paper, we show that when the time interval in the behavioral theory model differs from that in the observed data, difficulties with nonparametric identification and specification arise. In addition, we study the properties of parametric maximum likelihood estimators and flexible semiparametric estimators of the transition density in dynamic discrete models with time aggregated data sets.