Maximum Score Estimation of Preference Parameters for a Binary Choice Model under Uncertainty
不确定性下二元选择模型偏好参数的最大得分估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究二元选择模型中的偏好参数与最大得分估计，属于离散选择方向。
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
不确定性下二元选择模型偏好参数的最大得分估计
- 研究问题
- 当二元选择规则受到条件期望影响、且这些期望需要从数据中估计时，如何估计偏好参数并刻画其统计性质？
- 方法与思路
- 作者提出两阶段方法：先非参数估计条件期望，再把估计值代入最大得分准则，利用选择数据估计偏好参数。
- 材料陈述的贡献
- 摘要称建立了两阶段估计的一致性和收敛速度，并给出其与已知第一阶段输入的单阶段估计分布渐近等价的充分条件。
- 阅读关注点
- 应核对偏好参数的识别条件、第一阶段估计误差如何影响第二阶段，以及渐近等价所需的平滑性和收敛速度要求。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明具体假设、收敛速度及模拟结果。
原文摘要
This paper develops maximum score estimation of preference parameters in the binary choice model under uncertainty in which the decision rule is affected by conditional expectations. The preference parameters are estimated in two stages: we estimate conditional expectations nonparametrically in the first stage and then the preference parameters in the second stage based on Manski (1975, 1985)'s maximum score estimator using the choice data and first stage estimates. The paper establishes consistency and derives rate of convergence of the two-stage maximum score estimator. Moreover, the paper also provides sufficient conditions under which the two-stage estimator is asymptotically equivalent in distribution to the corresponding single-stage estimator that assumes the first stage input is known. These results are of independent interest for maximum score estimation with nonparametrically generated regressors. The paper also presents some Monte Carlo simulation results for finite-sample behavior of the two-stage estimator.