Modeling Parametric Evolution in a Random Utility Framework
Modeling Parametric Evolution in a Random Utility Framework
复制标题
在随机效用框架中建模参数演化
DOI：
10.1198/073500104000000550
复制
发表时间：
2005
影响因子：
3
通讯作者：
F. Feinberg
中科院分区：
文献类型：
--
作者：
Jin Gyo Kim;U. Menzefricke;F. Feinberg
随机效用模型已经成为标准的计量经济学工具，允许对个人层面的分类选择数据进行参数推断。这些模型通常假设，随着时间的推移，观察到的选择的变化可以归因于协变量或不可观察变量的变化。我们研究了如何选择动态可以更忠实地捕捉也直接建模参数的时间变化，使用向量自回归过程和贝叶斯估计。这种方法为理论家和实践者提供了许多优势，包括改进预测，预测长期参数水平，并纠正潜在的汇总偏差。我们说明了一个共同的超市好，在那里我们找到强有力的支持参数动态选择的方法。
Random utility models have become standard econometric tools, allowing parameter inference for individual-level categorical choice data. Such models typically presume that changes in observed choices over time can be attributed to changes in either covariates or unobservables. We study how choice dynamics can be captured more faithfully by also directly modeling temporal changes in parameters, using a vector autoregressive process and Bayesian estimation. This approach offers a number of advantages for theorists and practitioners, including improved forecasts, prediction of long-run parameter levels, and correction for potential aggregation biases. We illustrate the method using choices for a common supermarket good, where we find strong support for parameter dynamics.