Sieve BLP: A semi-nonparametric model of demand for differentiated products
筛估计 BLP：差异化产品需求的半非参数模型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：摘要明确采用随机系数离散选择需求模型，并通过结构性政策分析量化福利的分布效应。
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
筛估计 BLP：差异化产品需求的半非参数模型
- 研究问题
- 差异化产品需求估计中，如何灵活刻画随机系数分布，减少参数分布错设，并缓解产品数量造成的非参数估计维度困难？
- 方法与思路
- 作者在随机系数离散选择 logit 模型中非参数设定系数分布，提出 sieve BLP 筛估计，并研究美国谷物食品糖税的福利影响。
- 材料陈述的贡献
- 摘要称，该方法缓解分布错设与产品维度困难，模拟显示多种生成机制下的有限样本表现，并用于分析异质性的政策分布效应。
- 阅读关注点
- 应核对随机系数分布的识别条件、筛空间与复杂度选择、内生价格的处理，以及福利与分布效应计算的模型依赖。
- 阅读边界
- 所给 OpenAlex 摘要未列出识别条件、具体筛形式或糖税结果；灵活分布设定及模拟表现不构成对任意需求环境的保证。
原文摘要
We develop a semi-nonparametric approach to identify and estimate the demand for differentiated products. The proposed method adopts a random coefficients discrete choice logit model (i.e., mixed logit model) in which the distribution of random coefficients is nonparametrically specified. Our method minimizes misspecification error in the distribution to which routinely used parametric approach is subject. In addition, it overcomes the practical challenge of dimensionality in the number of products that remains the main hurdle in the nonparametric estimation of demand functions. We propose a sieve estimation procedure (referred to as sieve BLP) that remains simple to implement. Extensive Monte Carlo simulations show its robust finite-sample performance under various data generating processes. We use the method to investigate the welfare implications of a sugar tax in the ready-to-eat cereal industry in the US. This application underscores the usefulness of sieve BLP due to its ability to allow for flexibly specified individual heterogeneity in demand, especially when the researcher aims to quantify the distributional effects of a policy change.