ResearchTrend.AI
  • Papers
  • Communities
  • Events
  • Blog
  • Pricing
Papers
Communities
Social Events
Terms and Conditions
Pricing
Parameter LabParameter LabTwitterGitHubLinkedInBlueskyYoutube

© 2025 ResearchTrend.AI, All rights reserved.

  1. Home
  2. Papers
  3. 0907.2451
116
107
v1v2 (latest)

Nonparametric estimation in random coefficients binary choice models

14 July 2009
Eric Gautier
Y. Kitamura
ArXiv (abs)PDFHTML
Abstract

Nous consid\érons dans cet article des mod\`eles \`a choix binaires et coefficients al\éatoires. Le but est déstimer de mani\`ere nonparam\étrique la densit\é du coefficient al\éatoire. Il ságit dún probl\`eme inverse mal pos\é caract\éris\é par une transformation int\égrale. Un nouvel estimateur de la densit\é du coefficient al\éatoire est propos\é. Il est bas\é sur les d\éveloppements en s\éries de Fourier-Laplace sur la sph\`ere. Cette approche permet une \étude fine du probl\`eme dídentification mais aussi dóbtenir un estimateur par injection ayant une expression explicite et ne n\écessitant aucun optimisation num\érique. Le nouvel estimateur est donc tr\`es facile \`a obtenir num\ériquement, tout en \étant souple sur le traitement de l'h\ét\érog\én\éit\é inobserv\ée. Nous pr\ésentons des extensions parmi lesquellesle traitement de coefficients non al\éatoires et de mod\`eles avec endog\én\éit\é.

View on arXiv
Comments on this paper