Estimation of Random Coecient Demand Models: Two Empiricists' Perspective Job Market Paper Forthcoming in The Review of Economics and Statistics
Estimation of Random Coecient Demand Models: Two Empiricists' Perspective Job Market Paper Forthcoming in The Review of Economics and Statistics
复制标题
随机系数需求模型的估计：两位经验主义者的就业市场观点论文即将发表在《经济学与统计评论》上
DOI：
--
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Konstantinos Metaxoglou
中科院分区：
文献类型：
--
作者：
Christopher R. Knittel;Konstantinos Metaxoglou
我们记录了在估计 Berry 等人的开创性工作中引入的随机系数 Logit 需求模型时遇到的数值挑战。 （1995）。我们使用两个众所周知的数据集、各种优化算法、大量起始值以及定点迭代的不同容差来记录此类挑战。我们表明，优化算法在第一二阶最优条件失败的点处收敛。我们还提供收敛案例
We document the numerical challenges we experienced estimating random-coecient Logit demand models introduced in the seminal work of Berry et al. (1995). We use two widely known datasets, various optimization algorithms, a large number of starting values, and dierent tolerances of the xed-point iterations to document such challenges. We show that the optimization algorithms converge at points where the rstand second-order optimality conditions fail. We also provide cases of convergence