Likelihood approximation by numerical integration on sparse grids
利用稀疏网格数值积分近似似然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：摘要明确以混合 logit 模型检验似然积分方法，直接涉及离散选择模型。
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
利用稀疏网格数值积分近似似然
- 研究问题
- 当计量模型的似然包含无解析解的多维积分时，如何扩展高斯求积并控制积分维度增加带来的计算成本？
- 方法与思路
- 作者提出基于稀疏网格的多维高斯求积扩展，用于数值近似似然，并在混合 logit 模型中开展蒙特卡洛比较。
- 材料陈述的贡献
- 摘要称，该扩展一般、易实现且不受维数灾难影响；混合 logit 模拟显示，其表现优于所比较的模拟积分技术。
- 阅读关注点
- 应核对稀疏网格构造、积分函数需满足的条件，以及维度、计算成本和误差之间的关系及比较方法的预算设置。
- 阅读边界
- 仅据所给出版社摘要，无法判断“不受维数灾难影响”的严格范围、计算复杂度或误差水平，不能推广至任意积分。
原文摘要
The calculation of likelihood functions of many econometric models requires the evaluation of integrals without analytical solutions. Approaches for extending Gaussian quadrature to multiple dimensions discussed in the literature are either very specific or suffer from exponentially rising computational costs in the number of dimensions. We propose an extension that is very general and easily implemented, and does not suffer from the curse of dimensionality. Monte Carlo experiments for the mixed logit model indicate the superior performance of the proposed method over simulation techniques.