Sequential Monte Carlo Methods for Estimating Dynamic Microeconomic Models
用于估计动态微观经济模型的序贯蒙特卡洛方法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：摘要明确研究动态微观模型的参数估计、单主体动态离散选择与动态博弈，因此归入结构估计和离散选择。
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…
关注这篇论文的作者
用于估计动态微观经济模型的序贯蒙特卡洛方法
- 研究问题
- 存在序列相关的不可观测状态时，如何估计动态微观模型的参数及潜在状态分布，并处理忽略持续性不可观测因素带来的选择偏误？
- 方法与思路
- 作者使用序贯蒙特卡洛方法，提出完全求解的最大似然程序与两步法，面向单主体动态离散选择及不完全信息动态博弈模型。
- 材料陈述的贡献
- 摘要指出忽略持续性不可观测因素可能产生动态样本选择偏误，并提出相应估计方法；作者用扩展的 Rust 资本更换模型进行实证和模拟。
- 阅读关注点
- 应核对潜在状态的转移与识别、粒子近似误差和计算成本，并比较完全求解与两步法的假设、偏误处理及资本更换应用表现。
- 阅读边界
- 摘要未给出识别条件、渐近结果或估计性能数值，也未说明两种方法的适用边界；不能据此判断它们在一般动态博弈中的优越性。
原文摘要
Summary This paper develops estimators for dynamic microeconomic models with serially correlated unobserved state variables using sequential Monte Carlo methods to estimate the parameters and the distribution of the unobservables. If persistent unobservables are ignored, the estimates can be subject to a dynamic form of sample selection bias. We focus on single‐agent dynamic discrete‐choice models and dynamic games of incomplete information. We propose a full‐solution maximum likelihood procedure and a two‐step method and use them to estimate an extended version of the capital replacement model of Rust with the original data and in a Monte Carlo study. Copyright © 2015 John Wiley & Sons, Ltd.