课程目录 · 已完成 0 / 7 个模块

AI Learning/结构估计/模块 2

模块 2

模型的设定

设定结构模型，首先要说明谁在决策、面临什么约束、掌握什么信息、在哪些选项中选择，然后说明这些对象与数据中哪些变量相对应。本模块以农户购买农机作业服务为例说明这一过程。

2.1

研究问题

研究问题：机械化服务补贴降低了农户的实际支付价格，这会使多少原本不购买的农户转为购买？不同经营规模农户的反应是否不同？

对这一问题，静态二元选择模型已经足够。若问题改为补贴是否会吸引服务商进入并改变市场价格，则需要在模型中加入供给方和进入决策，仅有静态需求模型无法回答。

2.2

模型的基本构成

1 · 行动者

决策者

农户决定是否购买机械化服务。本例不考虑服务商的定价决策。

2 · 选择集

选择集

购买或不购买。实证研究中还应考虑自有机械、雇工、换工等其他选项。

3 · 状态与信息

状态变量与信息

服务价格、经营规模、距离与服务质量。动态模型还需加入未来状态及农户的预期。

4 · 收益与约束

收益与约束

购买服务可以节约劳动、提高作业及时性，但需支付服务价格以及交通和搜寻成本。

5 · 随机项

随机项

代表研究者观测不到的偏好或临时冲击。随机项的分布假设决定选择概率的函数形式，是模型设定的一部分。

6 · 参数

参数

价格敏感度、经营规模的收益、距离成本等。每个参数都应有明确的单位和经济含义。

7 · 数据映射

模型与数据的对应

给定参数与农户特征，模型给出每户的购买概率；这些概率应能再现观测到的采纳率及其在农户间的差异。

8 · 政策环境

政策变量

补贴只改变农户支付的净价格。若供给能力和市场价格也会随补贴变化，就必须扩展模型。

以上八项只适用于简单的静态模型。对于连续选择、动态模型或博弈模型，还需要逐项说明时间结构、均衡概念、异质性和分布假设（见下节）。

2.3

完整模型需要说明的十二项设定

行动者一个农户、家庭成员，还是农户与服务商？

均衡范围价格和进入给定，还是由市场共同决定？

规划期静态、有限期还是无限期？行动者是否前瞻？

时间单位日、季、年怎样对应选择与状态变化？

选择集合连续数量、有限菜单，还是二者组合？

状态与转移什么概括今天，行动怎样改变明天？

目标函数效用、利润、家庭福利或其他目标是什么？

信息行动者看见什么？研究者又看见什么？

可观测异质性规模、性别、地区怎样改变收益或约束？

不可观测异质性永久类型、临时冲击与不确定性要分开。

函数形式线性、对数、CES 等限制为何适合问题？

分布logit、正态或离散类型怎样影响替代与尾部？

任何一项设定的改变都可能改变反事实结论。若某一项被固定或忽略，也应作为假设明确写出。例如，“静态模型”意味着假定本期选择不影响未来价值。

2.4

可估计的模型

令农户购买服务相对于不购买的效用差为：

ΔUᵢ = β₀ + α × 净服务价格ᵢ + β × log(1 + 经营规模ᵢ)
　　　+ γ × 距离ᵢ + δ × 服务质量ᵢ + εᵢ

若 ΔUᵢ > 0，则购买；否则不购买。

α 应为负：净价格越高，购买意愿越低。
β 通常为正：经营规模越大，使用专业化服务的收益可能越高。
γ 通常为负：离服务供给点越远，搜寻与协调成本越高。
ε 的分布：本例假定 ε 服从 logistic 分布，由此得到 logit 选择概率。这一假设可以检验，也可以替换。

应区分变量与参数。经营规模和距离是农户的状态或特征，补贴是政策变量；α、β、γ、δ 才是待估计的行为参数。

2.5

参数的识别

各参数的识别来源与主要威胁
参数	主要数据变化	关键威胁	本例的处理
价格敏感度 α	随机发放代金券造成的净价格变化	代金券可能同时传递信息或改变服务质量	假设代金券只通过价格起作用
规模收益 β	不同经营规模农户的采纳差异	规模与能力、机械条件等未观测因素相关	教学数据中相关变量均由模型生成
距离成本 γ	距离与采纳率的梯度	服务商可能选择在高需求地区布局	本例把距离视为外生；实证研究需论证
质量偏好 δ	服务质量差异与选择	质量测量误差、价格与质量共同决定	使用可观测质量指标并明确其局限

参数个数与矩条件个数相等只是计数条件，并不能证明参数已被识别。识别要求不同参数对数据分布的影响方式足够不同，并且用于识别的变化是外生的，或已由模型正确刻画。

2.6

结构估计的工作流程

事实：用描述统计和设计型估计明确模型必须解释的关键事实。
模型：写行动者、选择、状态、收益、约束、随机项与均衡概念。
映射：推导或模拟给定参数时的选择概率、矩或其他可观测结果。
识别：逐参数说明数据变化和排除性假设，必要时用实验/IV。
估计：选择 MLE、GMM、SMM 等目标函数，并报告优化和标准误。
拟合与验证：先看用于估计的事实，再看未使用矩、留出样本或外部政策冲击。
反事实：改变政策、重新求解，并报告参数/模型不确定性与适用边界。

蒙特卡洛检验：使用真实数据之前，先用已知参数生成模拟数据，检查估计程序能否得到接近真值的估计。若不能，应先检查代码或识别条件，再分析真实数据。

2.7

模型拟合与验证

样本内拟合

能否再现基本事实

检查总采纳率、采纳率随价格的变化以及不同规模农户间的差异。若这些都不能再现，反事实分析就缺乏依据。

未用矩

能否解释估计中未使用的事实

例如，估计时未专门匹配不同距离组的采纳率，可用它们检验模型。

外部验证

能否预测新环境

可使用留出地区、后续时期或实验中的政策冲击检验模型，避免用同一份数据既估计又检验。

敏感性

结论依赖哪些假设

更换误差分布、允许价格内生、加入供给反应，检查政策排序是否改变。