采用灌溉技术
今天支付固定成本，未来多年受益；经验、债务和设备状态也随选择改变。
动态离散选择今天的决定改变明天，就不能只比较今天的收益
是否迁移、上学、采用灌溉、替换水泵或退出农业，往往都改变未来状态。动态模型的核心不是“变量有滞后项”，而是行动者会比较未来价值。
先问一句：今天的选择会改变明天的选择集合或收益吗？
孩子上学或工作
上学积累人力资本，工作积累经验和收入；今天的选择改变未来工资机会。
一次性消费选择
若今天选哪家服务商不改变未来价格、经验或可选项，静态模型可能足够。
有面板不等于动态
面板数据和滞后因变量可以描述持续性；只有显式未来价值和状态转移才构成动态决策模型。
Bellman 方程只是在说：现在拿到的 + 明天还能拿到的
V(s, ε) = maxₐ { 当期收益 u(a,s,ε;θ) + β × E[V(s′,ε′) | s,a] }
| 符号 | 人话 | 农业技术采用例子 |
|---|---|---|
| s | 今天已经知道、会影响未来的状态 | 是否已采用、资产、经验、信贷状态 |
| a | 今天能做的动作 | 采用 / 等待 / 退出 |
| u | 今天立刻得到的净收益 | 产出收益减安装费和借款成本 |
| s′ | 行动后明天进入的状态 | 设备老化、经验增加、债务变化 |
| β | 未来一单位收益今天值多少 | β 越高，越重视长期收益 |
状态必须够用：给定今天的状态和行动后，历史不应再额外预测明天。漏掉会影响未来的债务或经验，Bellman 递归就不是对真实问题的正确压缩。
同一个固定成本，短视农户和前瞻农户会作出不同选择
最小动态采用实验
比较本期净收益与终身净价值
假设一次采用后，每期都获得同样收益，设备永不坏、也不能退出。这个极简设定只用于摸到“未来价值”，不是可直接估计的实证模型。
0.80
2.0
6.0
估参数之前，先要知道给定参数时农户会怎么选
有限期：从最后一期倒推
最后一期没有明天，先解最后一期；再把这个结果带回倒数第二期。教育、生育和生命周期模型常用这种 backward recursion。
无限期：找到不再变化的价值
今天和未来的环境反复出现，价值函数满足固定点。设备替换、企业运营等常用 value/policy function iteration。
| 方法 | 每轮做什么 | 直觉 |
|---|---|---|
| VFI：价值函数迭代 | 用旧的明日价值更新今天价值，直到前后几乎不变 | 反复改“每个状态值多少钱” |
| PFI：政策函数迭代 | 先评价一条给定政策，再改进最优动作 | 反复改“每个状态做什么” |
折现因子小于 1 且满足常见条件时，Bellman 算子具有压缩性质，VFI 会收敛到唯一固定点。但“程序停了”不等于经济模型正确，也不等于参数已识别。
NFXP、CCP、NPL：它们主要在省哪一步计算？
经典设备替换模型常假定：当期不可观测冲击可加、冲击服从极值分布，并且给定状态与行动后，下一期状态不再依赖当期冲击。于是动态选择概率看起来像一个 logit，但 logit 的“效用”包含继续价值。
| 方法 | 核心做法 | 主要代价 |
|---|---|---|
| NFXP | 每试一组 θ，内层完整解 Bellman 固定点；外层最大化似然 | 稳妥直观，但内外嵌套可能很慢 |
| Hotz–Miller / CCP | 先从数据估计条件选择概率，再反演价值差 | 避免反复完整求解，但第一步概率误差会传下去 |
| NPL | 在伪似然估计与选择概率更新之间迭代 | 折中计算量；仍需检查收敛和有限样本表现 |
| 有限期模拟/倒推 | 从终点递归，可允许更丰富的类型和冲击 | 状态一多就遭遇“维度灾难” |
条件选择概率（CCP）是什么？它只是“处于状态 s 时选择动作 a 的概率”。静态 logit 直接由当期效用给出；动态模型的 CCP 还压缩了未来价值。
一个动态项目至少要过六道检查
- 时间单位：月、季、年会改变折现、状态转移和冲击含义。
- 状态空间：哪些变量真正预测未来？连续状态怎样离散或插值？
- 状态转移：哪些转移由选择造成，哪些是外生过程？
- 初始条件与永久类型：第一期状态是否与未观测偏好相关？
- 识别：哪些跨期选择变化分别识别固定成本、流收益和 β？β 常需外部校准或强变化。
- 计算验证：多初值、容差、网格和模拟数是否改变参数与反事实？蒙特卡洛能否回收真值？
最常见的过度解释：观察到采用持续性，不足以证明“习惯”或“学习”。永久异质性、转换成本、状态依赖和测量误差都能生成相似路径，必须靠额外变化区分。