局部误设下动态离散选择问题中的推断
统计方法学
2018-02-08 v5
摘要
单主体动态离散选择模型通常使用高度参数化的计量经济框架进行估计，这使其易受模型误设的影响。本文研究此类模型的误设如何影响推断结果。具体而言，我们考虑一种局部误设框架，其中假定设定误差以任意且未知的速率随样本量趋于零。相较于全局误设，局部误设分析具有两个重要优势。首先，它产生易于处理且通用的结果。其次，它使我们能够关注具有结构解释的参数，而非“伪真”参数。我们考虑基于 K 阶段序贯策略函数迭代算法的一类通用两步估计量，其中 K 表示估计中采用的迭代次数。该类包含 Hotz 和 Miller (1993) 的条件选择概率估计量、Aguirregabiria 和 Mira (2002) 的伪似然估计量，以及 Pesendorfer 和 Schmidt-Dengler (2008) 的渐近最小二乘估计量。我们表明局部误设会影响这些估计量的渐近分布甚至收敛速率。原则上，人们可能预期局部误设的影响会随迭代次数 K 改变。我们的主要发现之一并非如此，即局部误设的影响对 K 不变。实践中，这意味着研究者无法通过改变 K 来消除或甚至缓解模型误设问题。
引用
@article{arxiv.1603.07987,
title = {Inference in Dynamic Discrete Choice Problems under Local Misspecification},
author = {Federico A. Bugni and Takuya Ura},
journal= {arXiv preprint arXiv:1603.07987},
year = {2018}
}