The dynamic invariant multinomial probit model: Identification, pretesting and estimation
动态不变性多项 Probit 模型：识别、预检验与估计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：摘要明确研究多期多项 Probit 模型及基准备选项选择，直接属于离散选择。
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…
动态不变性多项 Probit 模型：识别、预检验与估计
- 研究问题
- 多期多项 Probit 模型存在误差自相关时，如何使模型设定不受效用差分所选基准备选项影响，并开展识别与估计？
- 方法与思路
- 作者提出对基准备选项选择保持不变的新设定，并用高效重要性抽样版本的 GHK 算法计算似然，开展模拟研究。
- 材料陈述的贡献
- 摘要称新设定包含常用模型作为特例，可支持依据数据选择这些特例的基准备选项，并研究识别、估计与预检验。
- 阅读关注点
- 应核对不变性的形式定义、常用模型被嵌套的参数限制，以及预检验与基准备选项选择如何影响后续估计和推断。
- 阅读边界
- 仅据所给出版社摘要，无法判断识别的具体条件、模拟设计及预检验后的推断有效性，也不能推断其他版本的变化。
原文摘要
We present a new specification for the multinomial multiperiod probit model with autocorrelated errors. In sharp contrast with commonly used specifications, ours is invariant with respect to the choice of a baseline alternative for utility differencing. It also nests these standard models as special cases, allowing for data-based selection of the baseline alternatives for the latter. Likelihood evaluation is achieved under an Efficient Importance Sampling (EIS) version of the standard GHK algorithm. Several simulation experiments highlight identification, estimation and pretesting within the new class of multinomial multiperiod probit models.