具有多重行为均衡的模型中的估计与推断
Estimation and inference in models with multiple behavioural equilibria
AI总结：
本文提出了一种用于具有多重行为均衡的宏观经济模型的估计与推断方法，通过固定增益学习规则分析均衡的收敛性及非线性最小二乘估计的渐近正态性，并通过模拟和实证验证方法的稳健性。
摘要：
我们开发了一种估计和推断方法，用于一个 stylized 的宏观经济模型，该模型可能具有多个行为均衡，其中代理人使用固定增益学习规则形成预期。我们首先证明了底层过程的几何遍历性，以研究下一步（强）一致性及非线性最小二乘估计量对结构参数的渐近正态性。我们提出了对结构参数的推断程序以及均衡的统一置信带。当均衡解重复时，混合收敛速率和非标准极限分布出现。蒙特卡洛模拟和实证应用展示了我们方法的有限样本性能。
英文摘要：
We develop estimation and inference methods for a macroeconomic model with potentially multiple behavioural equilibria, where agents form expectations using a constant-gain learning rule. We discuss identification, estimation, and inference for the structural parameters and propose uniform confidence bands for the equilibria. When equilibrium solutions are repeated, mixed convergence rates and non-standard limit distributions emerge. Monte Carlo simulations and an empirical application illustrate the finite-sample performance of our methods.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
