A practitioner’s guide to Bayesian estimation of discrete choice dynamic programming models
A practitioner’s guide to Bayesian estimation of discrete choice dynamic programming models
复制标题
A 的离散选择动态规划模型贝叶斯估计实践指南
DOI：
10.1007/s11129-012-9119-6
复制
发表时间：
2011
期刊：
影响因子：
--
通讯作者：
Neelam Jain
中科院分区：
文献类型：
--
作者：
Andrew T. Ching;S. Imai;Masakazu Ishihara;Neelam Jain
本文提供了使用新的贝叶斯估计算法（Imai等人，Econometrica 77：1865-1899，2009 a）（IJC）。在传统的嵌套不动点算法中，在过去的迭代中获得的大部分信息在当前迭代中仍然未被使用。相比之下，IJC算法广泛地使用从过去的迭代中获得的计算结果，以帮助在当前迭代的参数值下求解DDP模型。因此，它有可能显着减轻估计DDP模型的计算负担。为了说明这种新的估计方法，我们使用一个简单的动态商店选择模型，商店提供“常客”类型的奖励计划。我们的Monte Carlo结果表明，IJC方法能够相当精确地恢复该模型的真实参数值。我们还表明，IJC方法可以减少估计时间显着时，估计DDP模型与未观察到的异质性，特别是当折扣因子接近1。
This paper provides a step-by-step guide to estimating infinite horizon discrete choice dynamic programming (DDP) models using a new Bayesian estimation algorithm (Imai et al., Econometrica 77:1865–1899, 2009a) (IJC). In the conventional nested fixed point algorithm, most of the information obtained in the past iterations remains unused in the current iteration. In contrast, the IJC algorithm extensively uses the computational results obtained from the past iterations to help solve the DDP model at the current iterated parameter values. Consequently, it has the potential to significantly alleviate the computational burden of estimating DDP models. To illustrate this new estimation method, we use a simple dynamic store choice model where stores offer “frequent-buyer” type rewards programs. Our Monte Carlo results demonstrate that the IJC method is able to recover the true parameter values of this model quite precisely. We also show that the IJC method could reduce the estimation time significantly when estimating DDP models with unobserved heterogeneity, especially when the discount factor is close to 1.
DOI：
10.3982/ecta5658
发表时间：
2009-11
期刊：
IO: Empirical Studies of Firms & Markets
影响因子：
--
作者：
Susumu Imai;Neelam Jain;Andrew T. Ching
通讯作者：
Susumu Imai;Neelam Jain;Andrew T. Ching
影响因子：
6.1
作者：
BERRY, S;LEVINSOHN, J;PAKES, A
通讯作者：
PAKES, A
用于密度估计的内核数据压缩
DOI：
--
发表时间：
2006
期刊：
影响因子：
--
作者：
Atsuyuki;Kogure;Masahiko;Sagae
通讯作者：
Sagae