Identification and estimation of games with incomplete information using excluded regressors
利用排除变量识别和估计不完全信息博弈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：摘要明确研究二元行动博弈的结构组成与参与者收益估计，直接对应结构估计和离散选择方向。
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
利用排除变量识别和估计不完全信息博弈
- 研究问题
- 在二元行动的不完全信息博弈中，如何利用参与者特定的排除变量识别结构组成，并在允许多重贝叶斯纳什均衡时进行估计？
- 方法与思路
- 作者利用充分变化、仅影响特定参与者且在其收益中可加分离的状态变量进行构造性识别，并提出线性收益半参数模型的估计方法。
- 材料陈述的贡献
- 摘要称获得非参数识别，并为线性收益模型提出根号样本量一致且渐近正态的估计量；还讨论无需假定均衡选择规则的多重均衡扩展。
- 阅读关注点
- 应核对排除变量的支持与可加分离条件、构造性识别步骤，以及线性收益估计量的条件；区分主要结果和多重均衡扩展的适用范围。
- 阅读边界
- 仅据所列出版社摘要，无法判断充分变化的具体要求或多重均衡扩展的完整条件；摘要未说明有限样本表现及实际排除变量的可信性。
原文摘要
We show structural components in binary games with incomplete information are nonparametrically identified using variation in player-specific excluded regressors. An excluded regressor for a player i is a sufficiently varying state variable that does not affect other players’ utility and is additively separable from other components in i’s payoff. Such excluded regressors arise in various empirical contexts. Our identification method is constructive, and provides a basis for nonparametric estimators. For a semiparametric model with linear payoffs, we propose root-N consistent and asymptotically normal estimators for players’ payoffs. We also discuss extension to the case with multiple Bayesian Nash equilibria in the data-generating process without assuming equilibrium selection rules.