Bayesian estimation of the random coefficients logit from aggregate count data
Bayesian estimation of the random coefficients logit from aggregate count data
复制标题
根据聚合计数数据对随机系数 logit 进行贝叶斯估计
DOI：
10.1007/s11129-013-9140-4
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Zenetti
中科院分区：
文献类型：
--
作者：
Zenetti
随机系数logit模型是市场营销和实证产业组织研究中的重要工具。当只有汇总数据可用时，习惯上基于市场份额作为数据输入来校准模型，即使数据是以汇总计数的形式提供的。然而，在随机系数模型中，市场份额与模型原语在功能上相关，而有限的累计计数只是这些模型原语的概率函数。Park和Gupta最近的一篇论文（Journal of Marketing Research, 46(4), 531-543 2009）强调了这一区别，但在展示其潜在的实际重要性时，却被数字问题所削弱。我们开发了由Park和Gupta提出的似然函数的贝叶斯推理（Journal of Marketing Research, 46(4), 531-543 2009），避开了这些作者遇到的数值问题。我们展示了如何通过建模计数来考虑有关份额的信息量，从而直接改善推理。
The random coefficients logit model is a workhorse in marketing and empirical industrial organizations research. When only aggregate data are available, it is customary to calibrate the model based on market shares as data input, even if the data are available in the form of aggregate counts. However, market shares are functionally related to model primitives in the random coefficients model whereas finite aggregate counts are only probabilistic functions of these model primitives. A recent paper by Park and Gupta (Journal of Marketing Research, 46(4), 531–543 2009) stresses this distinction but is hamstrung by numerical problems when demonstrating its potential practical importance. We develop Bayesian inference for the likelihood function proposed by Park and Gupta (Journal of Marketing Research, 46(4), 531–543 2009), sidestepping the numerical problem encountered by these authors. We show how taking account of the amount of information about shares by modeling counts directly results in improved inference.
登录
查看更多内容
影响因子：
6.1
作者：
Sungho Park;Sachin Gupta
通讯作者：
Sungho Park;Sachin Gupta
影响因子：
2.2
作者：
Neal, P;Roberts, G
通讯作者：
Roberts, G
贝叶斯分层模型吉布斯采样器的稳定性
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
O. Papaspiliopoulos;G. Roberts
通讯作者：
G. Roberts
将异构性与商店级聚合数据相结合
DOI：
--
发表时间：
1995
期刊：
影响因子：
--
作者：
Byung
通讯作者：
Byung
提高 BLP 结构需求估计器的数值性能 *
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
Jean;Jeremy T. Fox;Che
通讯作者：
Che