Average and Quantile Effects in Nonseparable Panel Models
不可分离面板模型在各种经济环境中都很重要，包括离散选择。本文给出了在时间齐性条件下，如“时间是随机分配的”或“时间是一种工具”的不可分模型的辨识和估计结果。“在静态或动态条件下，在完全非参数模型和半参数模型中，在具有时间效应的离散回归量中，给出了平均和分位数效应的部分识别结果。证明了通常的线性固定效应估计量不是已确定平均效应的相合估计量，并给出了一个相合估计量。给出了一个简单的分位数处理效应估计量，解决了从面板数据中估计分位数处理效应的重要问题。给出了静态和动态模型中的总体效应的界。动态边界提供了一个部分识别解决方案的重要问题，估计的影响，状态依赖的存在下不可观测的异质性。随着$T$的增长，通过推导识别集的收缩率来显示$T$的影响，即时间段的数量。我们还考虑了半参数，离散选择模型，并发现半参数面板边界可以比非参数边界更紧。提出了计算方便的半参数模型方法。我们提出了一种新的推理方法，适用于面板数据和其他设置，并表明它产生一致有效的置信区域在大样本。我们给出了经验性的例证。
2013-03-26 econ.EM math.ST stat.AP
Fixed Effect Estimation of Large T Panel Data Models
本文综述了面板数据模型固定效应估计的最新研究进展。我们专注于半参数模型与未观察到的个人和时间的影响，其中的结果变量的分布条件的协变量和未观察到的影响是指定参数，而未观察到的影响的分布是不受限制的。与现有的关于长面板的评论（Arellano和Hahn 2007; Arellano和Bonhomme 2011的一节）相比，我们讨论了具有个体和时间效应的模型，分裂面板Jackknife偏差校正，不平衡面板，分布和分位数效应以及其他扩展。理解和纠正由许多固定效应的估计引起的偶然参数偏差是我们的主要关注点，统一的主题是，对于所讨论的所有模型，这种偏差的顺序由简单的公式p/n给出，p是估计参数的数量，n是总样本量。
2018-03-27 econ.EM
Inference in High-Dimensional Panel Models: Two-Way Dependence and Unobserved Heterogeneity
School of Economics, Shanghai University of Finance and Economics（上海财经大学经济学院）
本文提出了一种适用于高维面板模型的工具包，通过改进的LASSO方法处理双向依赖和未观测异质性，实现稳健的推断。
2025-12-20 econ.EM
Efficient counterfactual estimation in semiparametric discrete choice models: a note on Chiong, Hsieh, and Shum (2017)
我建议增强Chiong，Hsieh和Shum（2017）的程序，用于计算半参数离散选择模型中反事实需求的界限。他们的算法依赖于一个由大量$M$观察到的市场的循环索引的不等式系统，因此似乎需要计算上不可行的枚举所有这些循环。我表明，这样的枚举是不必要的，因为解决“完全有效”的不等式系统，利用周期的所有可能的长度$K=1,\dots,M$可以减少到寻找最短路径的长度之间的每对顶点在一个完整的双向加权图上的$M$顶点。后一个问题可以使用具有计算复杂度$O\left(M^3\right)$的Floyd-Warshall算法来解决，即使对于数千个市场，该算法也只需要几秒钟即可运行。蒙特卡罗模拟说明了使用所有长度的循环的效率增益，其结果是正的，但很小。
2021-12-09 econ.EM
Semiparametric Discrete Choice Models for Bundles
本文提出两种半参数捆绑离散选择模型估计方法，包括核加权秩估计器和多指标LAD估计器，并扩展至面板数据，通过蒙特卡洛实验验证了有限样本性能。
2023-11-10 econ.EM
Fixed Effects Binary Choice Models: Estimation and Inference with Long Panels
实证经济学家经常被阻止应用固定效应二元选择模型主要有两个原因：附带参数问题和计算挑战，即使在中等规模的面板。使用个人和时间固定效应的二元选择模型的例子，我们展示了如何通过将渐近偏差校正与计算进步相结合来缓解这两个问题。由于不平衡性是经常遇到的应用工作，我们调查其后果的有限样本性质的各种（偏差校正）估计。在模拟实验中，我们发现，分析偏差校正执行特别好，而分裂面板刀切估计可以严重偏置在不平衡的面板。
2020-10-25 econ.EM
Semiparametric Discrete Choice Models for Bundles
本文提出两种捆绑商品半参数离散选择模型估计方法，并证明其渐近性质及自助法有效性，且可扩展至面板数据与多指标模型。
2024-12-12 econ.EM
Semiparametric Identification of the Discount Factor and Payoff Function in Dynamic Discrete Choice Models
本文研究平稳无限期动态离散选择模型中贴现因子与收益函数的识别，证明单代理人模型中的收益形状约束及动态博弈中的行动无关性、可交换性等假设可实现半参数识别。
2025-07-26 econ.EM
Revisiting Panel Data Discrete Choice Models with Lagged Dependent Variables
本文研究带滞后因变量的半参数面板数据二元选择模型，利用“无穷远处的识别”策略提出条件最大得分估计量，克服了维数灾难并允许任意时间趋势，理论与实证均验证了方法的有效性。
2024-08-22 econ.EM
Bounds on Average Effects in Discrete Choice Panel Data Models
University of Oxford（牛津大学）；University College London（伦敦大学学院）
本文提出了一种方法，用于估计离散选择面板数据模型中平均效应的外界限，解决了部分识别和偶然参数问题带来的挑战。
2026-10-01 econ.EM
A Correlated Random Coefficient Panel Model with Time-Varying Endogeneity
研究了一类具有随机系数的线性面板模型。我们不限制时不变的未观察到的异质性和协变量的联合分布。我们研究的平均偏效应（APE）的识别时，固定效应的技术不能用来控制回归和随时间变化的干扰之间的相关性。依靠控制变量，我们开发了一个建设性的两步识别参数。第一步确定nonparametrically的条件期望的干扰给定的回归和控制变量，和第二步使用“组间”的变化，校正endofocus，以确定APE。我们提出了APE的一个自然半参数估计，证明了它的$\sqrt{n}$渐近正态性，并计算了它的渐近方差。估计是计算上容易实现，和蒙特卡罗模拟显示良好的有限样本特性。控制变量出现在各种经济和计量经济模型，我们提出了我们的论点在几个模型中的应用。作为实证说明，我们估计的平均跨期替代弹性的劳动力供给模型中的随机系数。
2022-11-18 econ.EM
Heterogeneity, Uncertainty and Learning: Semiparametric Identification and Estimation
本文针对连续结果依赖三类不可观测因素的学习模型，在短面板数据下建立半参数识别，提出筛网MLE估计方法，并应用于职业选择中的能力学习，发现基于工资的显著学习效应。
2025-06-23 econ.EM
Binary choice logit models with general fixed effects for panel and network data
本文系统综述了面板与网络数据中带一般固定效应的二元选择 Logit 模型识别策略，重点分析条件似然和矩方法两类消除冗余参数的途径，并补充了新例子与新结果。
2025-08-15 econ.EM
LM-BIC Model Selection in Semiparametric Models
研究了半参数计量经济模型的模型选择问题。它开发了一个一致的系列为基础的模型选择过程的基础上贝叶斯信息准则（BIC）类型的标准，选择几类模型。该过程通过最小化Korolev（2018）的半参数拉格朗日乘子（LM）类型检验统计量来选择模型，但还奖励更简单的模型。本文还开发了一致的向上测试（UT）和向下测试（DT）程序的基础上的半参数LM类型规格测试。所提出的半参数LM-BIC和UT程序在仿真中表现出良好的性能。为了说明这些半参数模型选择程序的使用，我将它们应用于Yatchew和No（2001）的参数和半参数汽油需求规格。LM-BIC程序选择年龄非参数但所有其他变量参数的半参数规格，这与Yatchew和No（2001）的结论一致。UT和DT过程的结果在很大程度上取决于调谐参数的选择和关于模型误差的假设。
2018-11-26 econ.EM
Semiparametric Triple Difference Estimators
本文针对三重差分因果推断框架，提出了基于结果回归和加权方法的半参数估计量，利用交叉拟合和机器学习技术，证明了其高效、双重稳健和渐近正态性，并验证了强制生育福利使育龄妇女小时工资下降2.6%。
2025-09-15 econ.EM stat.ME
Identification of time-varying counterfactual parameters in nonlinear panel models
本文提出含固定效应与时间效应的非线性半参数面板模型识别框架，在无误差参数分布等假设下识别反事实结果生存分布，并推导双向固定效应选择模型的平均偏效应和边际效应。
2023-11-04 econ.EM
Identification of Average Marginal Effects in Fixed Effects Dynamic Discrete Choice Models
本文在短面板固定效应动态logit模型中证明，T小至3时即可点识别平均边际效应，并给出闭式表达式，突破了传统观点。
2024-07-03 econ.EM
Binary Outcome Models with Extreme Covariates: Estimation and Prediction
本文提出基于贝叶斯定理和正则变化函数的半参数方法，研究极端事件对二元结果的影响，证明估计量性质并简化实现，实证验证了房价暴跌与小银行风险的关联。
2025-02-22 econ.EM
Identification in Nonlinear Dynamic Panel Models under Partial Stationarity
University of Pennsylvania（宾夕法尼亚大学）；Ohio State University（俄亥俄州立大学）；Amazon（亚马逊）
本文提出了一种在部分平稳性条件下对非线性动态面板模型进行识别的方法，适用于多种受限依赖变量模型，并通过实证分析展示了其稳健性。
2026-01-08 econ.EM
Semiparametric Bayesian Estimation of Dynamic Discrete Choice Models
本文提出一种基于位置-尺度混合极值分布的半参数贝叶斯方法估计动态离散选择模型，通过哈密顿蒙特卡洛和可逆跳转算法实现推断，解决了标准动态logit模型在冲击非极值分布时产生误导的问题，并给出了逼近与后验收缩的理论结果。
2023-08-03 econ.EM math.ST stat.CO
Nonseparable Multinomial Choice Models in Cross-Section and Panel Data
多项选择模型是离散方案中经济选择实证建模的基础。本文利用横截面数据和面板数据分析了当选择效用在观测属性和多维未观测异质性中不可分时二元和多项式选择模型的识别问题。我们证明了选择概率关于连续属性的导数是具有外生异质性的横截面模型中效用导数的加权平均。在具有独立可加性效应的随机系数模型的特殊情况下，我们进一步刻画了零处的概率导数与系数的总体均值成比例。我们将识别结果扩展到使用控制函数或面板数据的内生异质性模型。在两个时期的时间平稳面板模型中，我们发现选择概率的导数随时间的差异识别效用导数“在对角线上”，即当观察到的属性在两个时期取相同的值时。我们还表明，时间平稳性不确定结构衍生品“的对角线”在连续和多项式选择面板模型。
2018-05-09 econ.EM stat.AP stat.ME
Moment Conditions for Dynamic Panel Logit Models with Fixed Effects
本文针对含个体固定效应的离散选择面板数据，提出系统构造不依赖固定效应的矩条件的解析方法，并用于动态二元 logit 模型的参数识别与估计。
2023-12-06 econ.EM
Semiparametric Dynamic Logit Model with Endogenous Networks
Department of Economics, Western University（韦仕敦大学经济系）
针对内生且随时间演化的社交网络，提出半参数动态Logit模型的识别与估计方法，通过条件似然与网络匹配消除个体异质性和未知社会影响函数，实现斜率参数和状态依赖系数的点识别。
2026-10-22 econ.EM
Forward-Selected Panel Data Approach for Program Evaluation
政策评估是经济数据分析的核心，但经济学家大多使用观测数据，因为进行受控实验的机会有限。在潜在结果框架中，面板数据方法（Hsiao，Ching and Wan，2012）通过利用面板数据中横截面单元之间的相关性来构建反事实。横截面控制单元的选择，在其实施中的一个关键步骤，然而，在数据丰富的环境中，许多可能的控制是在研究人员的处置是悬而未决的。我们提出了前向选择方法来选择控制单元，并建立了后选择推理的有效性。我们的渐近框架允许可能的控制的数量增长得比时间维度快得多。易于实现的算法及其理论保证将面板数据方法扩展到大数据设置。
2021-04-29 econ.EM
Robust Analysis of Short Panels
本文提出一种在不对潜在变量分布及其协变关系施加限制时刻画尖锐识别集的通用方法，通过移除潜在变量实现短面板静态与动态离散选择及截尾模型的稳健计量分析。
2024-01-12 econ.EM
Efficient Bias Correction for Cross-section and Panel Data
该研究证明渐近线性的偏差校正方法对半参数高效参数估计量的高阶方差无影响，验证了自助法、刀切法等的渐近线性性，指出拆分样本刀切法高阶方差更大，为截面与面板数据的偏差校正方法选择提供理论依据。
2024-01-26 econ.EM stat.ME
Mobility Behaviour of Immigrants in Canada: Analyzing Mode Choice Using GPS Panel Data and Mixed Logit Models
Toronto Metropolitan University（多伦多都会大学）；Concordia University（康考迪亚大学）
本文利用GPS面板数据和混合逻辑模型分析移民出行方式选择，发现新移民对车内旅行时间不敏感，且高整合度降低公共交通使用率，提升服务质量可更有效促进移民使用公共交通。
2026-04-16 econ.EM
Panel Data Estimation of Individual Demand in Markets with Many Consumers
研究如何利用面板数据估计个体需求，通过差分等方法消除市场定价内生性偏差，发现当每个市场消费者数量增加时偏差消失，并允许宏观经济效应。
2026-06-09 econ.EM
Semiparametric Estimation of Fractional Integration: An Evaluation of Local Whittle Methods
The Ohio State University（俄亥俄州立大学）
研究为从业者提供六种分数积分半参数局部Whittle估计器指南。通过蒙特卡洛设计映射各估计器在多种条件下表现，揭示效率与稳健性间权衡，还在多时间序列上说明失效模式及结构断点问题。
2026-07-21 econ.EM
Moment Restrictions for Nonlinear Panel Data Models with Feedback
University of Chicago（芝加哥大学）；Princeton University（普林斯顿大学）；University of California - Berkeley（加州大学伯克利分校）；National Bureau of Economic Research（国家经济研究局）
该研究刻画了带反馈的非线性面板数据模型的反馈与异质性稳健矩条件，推导了可行的矩估计量，将其应用于多 spell 混合比例风险模型并计算了有效矩函数。
2026-09-03 econ.EM stat.ME
Heterogeneous Treatment Effects via Dynamic Panel Data Methods
Louisiana State University（路易斯安那州立大学）；Harvard University（哈佛大学）；Rice University（莱斯大学）
本文研究潜在结果依赖过往处理时的异质性跨期处理效应识别，分析动态面板IV估计量的性质，给出序列可交换性等识别条件，并对比其与平行趋势假设在不同数据场景下的差异。
2026-11-04 econ.EM
Identification and Estimation of Discrete Choice Models with Unobserved Choice Sets
我们提出了一个框架的非参数识别和估计的离散选择模型与不可观察的选择集。我们从一个关于选择的面板数据集恢复选择集和偏好的联合分布。我们假设潜在的选择集是稀疏的，或者面板足够长。稀疏性要求可能的选择集的数量相对较小。例如，当选择集是嵌套的，或者当它们形成一个分区时，它是满足的。我们的估计过程是计算速度快，并使用混合整数优化恢复稀疏支持的选择集。使用家庭扫描仪数据集分析即食谷物行业，我们发现，忽略选择集的不可观察性可能会导致偏好的估计有偏差，因为选择集存在显着的潜在异质性。
2021-06-19 econ.EM econ.TH
Identification in a Binary Choice Panel Data Model with a Predetermined Covariate
研究含前定二元协变量的二元选择面板数据模型的参数识别问题，给出参数无法点识别的条件，刻画并通过线性规划计算识别集，验证短面板下识别集仍具信息价值。
2023-07-22 econ.EM math.ST stat.ME
Functional effects models: Accounting for preference heterogeneity in panel data with machine learning
Department of Civil, Environmental and Geomatic Engineering, University College London（土木、环境与测绘工程系，伦敦大学学院）
本文提出函数效应模型，利用梯度提升决策树和深度神经网络从社会人口特征中学习个体特定偏好参数，以解决面板选择数据中的个体异质性问题，并在合成实验和真实面板数据上验证其优于传统固定/随机效应模型及现有机器学习选择模型。
2025-09-22 cs.LG econ.EM stat.ME
Testing and Identifying Substitution and Complementarity Patterns
本文使用面板多项选择模型研究两种商品间替代与互补模式的半参数识别，刻画了锐识别集并提供点识别充分条件，通过蒙特卡洛模拟验证了其优于参数方法的稳健性，并扩展至不可观测异质性和多商品场景。
2023-04-03 econ.EM
Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices
Mizuho-DL Financial Technology Co., Ltd.（瑞穗数字金融科技有限公司）
针对平均处理效应估计，本文提出在自适应实验中同时优化协变量密度与倾向得分，并构造达到最小半参数效率界的估计量。
2024-06-18 cs.LG econ.EM stat.ME
Locally Robust Semiparametric Estimation
Many economic and causal parameters depend on nonparametric or high dimensional first steps. We give a general construction of locally robust/orthogonal moment functions for GMM, where moment conditions have zero derivative with respect to first steps. We show that orthogonal moment functions can be constructed by adding to identifying moments the nonparametric influence function for the effect of the first step on identifying moments. Orthogonal moments reduce model selection and regularization bias, as is very important in many applications, especially for machine learning first steps. We gi…
2020-08-03 econ.EM math.ST stat.TH
Difference-in-Differences Meets Synthetic Control: Doubly Robust Identification and Estimation
University of California, San Diego（加州大学圣迭戈分校）；Guanghua School of Management, Peking University（北京大学光华管理学院）；National University of Singapore（新加坡国立大学）
本研究提出一种整合双重差分与合成控制优势的双重稳健方法，用于短面板因果推断，在平行趋势或组级合成控制假设下识别平均处理效应，并开发半参数估计框架、乘子自助推断法，扩展至重复横截面与交错处理设计，实证评估阿拉斯加最低工资上调影响，模拟验证有限样本性能。
2026-09-29 econ.EM
Fixed Effects Binary Choice Models with Three or More Periods
我们考虑具有固定周期数$T$和回归变量的固定效应二元选择模型，该模型没有大的支持。如果时变不可观测项是独立同分布的，对于已知的分布$F$，\cite{chamberlain2010}表明当且仅当$F$是逻辑的时，公共斜率参数是点标识的。然而，他只考虑在他的证明$T=2$。我们发现，结果并不推广到$T\geq 3$：共同的斜率参数可以确定时，$F$属于一个家庭，包括logit分布。识别基于条件矩约束。在协变量的限制下，这些矩条件导致相对效应的点识别。如果$T=3$和温和的条件成立，GMM估计基于这些条件矩约束达到半参数效率界。最后，我们通过重新访问Brender和Drazen（2008）来说明我们的方法。
2022-09-29 econ.EM
Quantile restrictions, revealed rankings, and the limits of multinomial choice
University of Cambridge（剑桥大学）
本文分析半参数离散选择模型中选择概率显示确定性效用指数排序的条件，拓展二元选择的分位数约束至多项选择，明确了多项选择下排序恢复的局限性。
2026-08-18 econ.EM
Dynamic demand for differentiated products with fixed-effects unobserved heterogeneity
本文研究了一个基于消费者水平面板数据的差异化产品需求动态离散选择模型的识别与估计问题，该模型中每个消费者的购买事件较少（即，短面板）。消费者是前瞻性的，他们的偏好包含两个动态来源：由于习惯和转换成本的最后选择依赖，以及由于库存，折旧或学习的持续时间依赖。该模型的一个关键区别特征是，消费者未观察到的异质性具有固定效应（FE）结构-也就是说，它的概率分布条件的初始值的内生状态变量是不受限制的。我应用并扩展了最近的结果，只要数据集包括每个家庭四个或更多的购买事件，就可以确定所有的结构参数。可以使用充分统计的条件最大似然（CML）方法来估计参数。CML在该模型中的一个吸引人的特点是，充分的统计控制的前瞻性价值的消费者的决策问题，使该方法不需要解决动态规划问题或计算期望的现值。
2022-08-18 econ.EM
Continuous permanent unobserved heterogeneity in dynamic discrete choice models
针对含连续永久性不可观测异质性的动态离散选择模型，本文给出点识别的原始条件，并提出计算简便、可用参数方法实现的半非参数估计量。
2025-09-26 econ.EM
Faster estimation of dynamic discrete choice models using index invertibility
本文利用指数可逆性将动态离散选择模型的参数约束转化为等式约束，降低优化维度以加速估计，并证明其与无约束估计量渐近等价。
2025-04-07 econ.EM
Missing at Random or Not: A Semiparametric Testing Approach
缺失数据的实际问题是常见的，并且已经开发了关于统计程序的有效性和/或效率的统计方法。作为一个中心焦点，人们对管理数据丢失的机制一直很感兴趣，正确决定适当的机制对于进行适当的实际调查至关重要。传统的概念包括三种常见的潜在类别--完全随机缺失、随机缺失和非随机缺失。本文提出了一种新的假设检验方法，用于判别随机缺失和非随机缺失。由于随机缺失的潜在替代方案是广泛的，我们集中我们的调查与工具变量的数据非随机缺失的一般类模型。我们的设置是广泛适用的，这要归功于关于缺失数据的模型是非参数的，不需要对数据缺失进行明确的模型规范。其基本思想是发展适当的差异措施之间的估计，其性质显着不同，只有当随机缺失不成立。我们表明，我们的新的假设检验方法实现了一个客观的数据导向的选择之间的随机缺失或没有。通过理论分析、仿真研究和实际数据分析，证明了新测试的可行性、有效性和有效性。
2020-03-25 econ.EM stat.ME
Inference without smoothing for large panels with cross-sectional and temporal dependence
本文讨论了在大面板数据模型中，同时存在未知形式的横截面和时间相关的推断问题。我们有兴趣作出推论，不依赖于任何平滑参数的选择，因为是经常采用的“HAC”估计的协方差矩阵的情况下。为此，我们提出了一个集群估计的渐近协方差的估计和有效的自助方案，不需要选择的带宽或平滑参数，并容纳非参数性质的时间和横截面的依赖。我们的方法是基于这样的观察，即固定效应面板数据模型的谱表示是这样的，误差变得近似时间不相关。我们提出的自举方案可以被视为在频域中的野生自举。我们提出了一些蒙特卡罗模拟，以阐明我们的推理过程的小样本性能。
2020-06-25 econ.EM math.ST stat.TH
Production function estimation using subjective expectations data
London School of Economics（伦敦政治经济学院）；University College London（伦敦大学学院）；Institute for Fiscal Studies（财政研究所）；CeMMAP（微观政策研究中心）；MIT（麻省理工学院）
研究利用企业对未来产出和投入的预期数据估计生产函数，提出新方法放宽投入需求假设，可在单截面数据实现，蒙特卡罗模拟显示其在投入有优化误差时优于其他估计器，在英国面板数据应用中效果良好。
2026-07-09 econ.EM
Identification in Dynamic Dyadic Network Formation Models with Fixed Effects
University of Pennsylvania（宾夕法尼亚大学）
本文在动态二元网络形成模型中研究了固定效应下的识别问题，结合面板数据和子图比较方法，提出半参数识别限制的改进条件。
2026-04-08 econ.EM
High Dimensional Binary Choice Model with Unknown Heteroskedasticity or Instrumental Variables
本文提出一种基于数据驱动降维的非参数核估计方法，结合距离协方差筛选与交叉验证，解决了高维异方差或含内生变量的二元选择模型中特殊回归变量估计的维数灾难问题，实现了变量与工具变量选择。
2025-07-14 econ.EM
Grouped fixed effects regularization for binary choice models
本文提出用k均值聚类分组固定效应来正则化二元选择模型，以缓解面板数据中的完全分离问题，从而获得平均偏效应的无偏估计和可靠推断，并实现对更多单元的预测。
2025-11-06 econ.EM
Coresets for Regressions with Panel Data
Huawei TCS Lab（华为TCS实验室）；Yale University（耶鲁大学）
本文将回归问题的核心集问题引入到面板数据设置中。我们首先定义coresets的几个变种的回归问题与面板数据，然后提出有效的算法来构建coresets的大小，多项式依赖于1/ $\varepsilon$（其中$\varepsilon$是误差参数）和回归参数的数量-独立于面板数据中的个人的数量或每个人被观察的时间单位。我们的方法是基于Feldman-Langberg框架，其中的一个关键步骤是上限的“总灵敏度”，这大致是所有个人时间对所有可能的选择回归参数的最大影响的总和。从经验上讲，我们用合成和真实世界的数据集来评估我们的方法;使用我们的方法构建的核心集大小比完整的数据集小得多，核心集确实加快了计算回归目标的运行时间。
2020-11-03 cs.CG cs.DS cs.LG
Sufficient Statistics for Unobserved Heterogeneity in Structural Dynamic Logit Models
本文研究了动态面板数据logit模型中结构参数的识别和估计，其中决策是前瞻性的，未观测异质性和可观测状态变量的联合分布是非参数的，即，固定效应模型我们考虑两个内生状态变量的模型：滞后的决策变量，在最后的选择和持续时间。这类模型包括作为特殊情况下重要的经济应用，如市场进入-退出，职业选择，机器更换，库存和投资决策，或差异化产品的动态需求模型。结构参数的识别需要一个足够的统计控制未观察到的异质性，不仅在当前的效用，而且在前瞻性决策问题的延续价值。我们得到了最小的充分统计量，并证明了一些结构参数的识别使用条件似然方法。我们将此估计器应用于机器更换模型。
2018-05-10 econ.EM
Random Set Quantile Estimation of Partially Identified Discrete Response Models
Boston College（波士顿学院）；Faculty of Economics, University of Cambridge（剑桥大学经济系）；Amazon（亚马逊）
针对协变量离散导致回归系数部分识别的问题，提出随机集分位数（RSQ）估计量，通过提取经典估计量的τ分位数实现一致且局部稳健的估计，并应用于2019年英国大选数据。
2026-06-01 econ.EM
Nonparametric Identification of Differentiated Products Demand Using Micro Data
我们研究了当一个人拥有连接个人消费者的特征和选择的“微观数据”时，差异化产品需求的识别。我们的模型嵌套标准规格，具有丰富的观察到的和未观察到的消费者异质性，以及产品/市场层面的不可观察性，引入了计量经济学的内隐问题。以前的工作建立了识别这种模式使用市场层面的数据和工具的所有价格和数量。微观数据提供了一种面板结构，便于更丰富的需求规格，并减少了对工具变量的数量和类型的要求。我们解决的标准情况下，其中非价格产品特性被假定为外生的需求识别，但也包括识别需求弹性和其他关键功能时，产品特性是内生的。我们讨论了这些结果的应用工作的影响。
2022-04-29 econ.EM
Tabular Foundation Models for Discrete Choice Estimation
Leeds School of Business, University of Colorado Boulder（科罗拉多大学博尔德分校利兹商学院）
研究离散选择估计中表格基础模型的应用，提出编码选择集依赖性和个体异质性的重新表述方法，在酸奶扫描仪面板数据上评估，该方法在预测准确性和速度上优于分层贝叶斯估计，为基础模型应用于消费者选择问题提供原则性方法。
2026-07-21 cs.AI cs.LG econ.EM
