Estimation of Dynamic Discrete Choice Models by Maximum Likelihood and Simulated Methods of Moments

Es soll die Leistungsfähigkeit der Maximum-Likelihood-Methode (ML) und der Methode der simulierten Momente (MSM) für die Schätzverfahren dynamischer Discrete-Choice-Modelle verglichen werden. Hierfür wird ein bewusst vereinfachtes Strukturmodell erstellt, das wesentliche Grundmerkmale der Bildungsentscheidungen in den Vereinigten Staaten während der 80er und frühen 90er Jahre umfasst. Das Modell ist rechnerisch greifbar und erlaubt eine exakte Analyse der Rechengenauigkeit. Die Schätzungen des Modells werden dazu verwendet, einen synthetischen Datensatz zu simulieren und die Fähigkeit zur Wiederherstellung der Modellparameter von ML und MSM zu bewerten. Bei Anwendung der ML-Schätzungen auf den synthetischen Datensatz entsprechen die erzielten Werte in etwa den ursprünglichen Kenngrößen, wohingegen die gängigen Formulierungen der MSM einige der Hauptparameter nur unzureichend abbilden. Auch die Leistungsfähigkeit alternativer MSM-Einstellungsparameter wird untersucht. Es wird dargestellt, inwiefern Wahl des Zeitpunktes, Anzahl der Wiederholungen, Gewichtungsmatrix und Optimierungsalgorythmus die Qualität der MSM-Schätzungen beeinflussen.

Für weitere Informationen oder Fragen stehen wir Ihnen gern unter info@policy-lab.org zur Verfügung.