Pre-Training Estimators for Structural Models: Application to Consumer Search

要約

構造経済モデルの事前トレーニング推定器を探索します。
推定量は、計算コストと研究者の努力の大部分が推定器の建設中に発生するという意味で「前処理された」ものです。
異なるデータセットへの推定器のその後のアプリケーションは、計算コストや研究者の努力がほとんど必要ありません。
推定は、データパターンから構造モデルのパラメーターを認識するためにニューラルネットを活用します。
最初の試験として、このペーパーでは、推定が困難であることが知られている連続検索モデルの前提条件の推定器を構築します。
12個の実際のデータセットで事前に処理された推定器を評価します。
推定は実行に数秒かかり、高い精度を示します。
pnnehome.github.ioで推定器を提供します。
より一般的には、前払いされた既製の推定器は、研究者や実践者が構造モデルをよりアクセスしやすくすることができます。

要約(オリジナル)

We explore pretraining estimators for structural econometric models. The estimator is ‘pretrained’ in the sense that the bulk of the computational cost and researcher effort occur during the construction of the estimator. Subsequent applications of the estimator to different datasets require little computational cost or researcher effort. The estimation leverages a neural net to recognize the structural model’s parameter from data patterns. As an initial trial, this paper builds a pretrained estimator for a sequential search model that is known to be difficult to estimate. We evaluate the pretrained estimator on 12 real datasets. The estimation takes seconds to run and shows high accuracy. We provide the estimator at pnnehome.github.io. More generally, pretrained, off-the-shelf estimators can make structural models more accessible to researchers and practitioners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google