W ostatnich latach popularność zyskuje estymator proponowany przez Bajari, Benkarda i Levina ('07) dla gier dynamicznych. Jest to stosunkowo proste i jest jedną z jedynych wykonalnych opcji szacowania dynamicznych gier z ciągłą przestrzenią stanów i zmiennymi ciągłej decyzji. Słyszałem jednak od kilku osób o obawach dotyczących tego, co tak naprawdę identyfikuje (być może nie parametrów strukturalnych, które powinien identyfikować).
Moje pytanie jest trzykrotne. 1) jakie są szczególne obawy związane z identyfikacją z BBL, 2) kiedy (nie) mają one znaczenie, oraz 3) czy istnieje sposób obejścia problemów z identyfikacją bez konieczności, powiedzmy, przybliżania stanu / działań jako dyskretnych.
Odpowiedzi:
Po chwili poszukiwań jest to najlepsza odpowiedź, jaką do tej pory mogłem wymyślić.
1) Sformalizowany argument przemawiający za tym, dlaczego identyfikacja może się załamać w BBL, pochodzi od Srisuma (13) . Podaje dwa konkretne przykłady w internetowym dodatku, w którym utrata identyfikacji wynika z zastosowania raczej addytywnych niż multiplikatywnych perturbacji do konstruowania funkcji wartości niezrównoważenia (jak zasugerowano w oryginalnym artykule BBL). Wskazuje to na szerszy problem związany z BBL, że mogą istnieć parametry niezrównoważenia, które spełniają estymator minimalnej odległości BBL.
2) Dwa przykłady podane w załączniku są zarówno dość podstawowe, jak i standardowe (single-agent i Cournot). Sugeruje to, że zjawisko to może stanowić problem w wielu / większości aplikacji.
3) Bądź kreatywny z zaburzeniami polityki. Chociaż Srisuma ogólnie nie wykazuje przewagi multiplikatywnej nad perturbacjami addytywnymi, kilka podanych przykładów pokazuje, że multiplikatywne perturbacje mogą poprawić estymator. Formalizowanie optymalnych perturbacji wydaje się dobrym miejscem do dalszych badań.
źródło