Low & Meghir (2017)
发表于 JEP 的综述，讨论结构模型在实证研究与政策设计中的用途及相关争议。
课程目录 · 已完成 0 / 7 个模块
自测与阅读建议
本模块包括十道自测题、一个八周的学习安排和按主题分类的参考资料。学习安排的目标是完成一篇论文的复现和一个小型结构估计项目。
自测题
已答 0 / 10 题；答对 0 题。
八周学习安排（每周 6–10 小时）
| 周 | 任务 | 应完成的内容 |
|---|---|---|
| 1 | 学习模块 1–4；写一页结构方法与简约式方法的比较 | 能够解释模型、识别、估计与反事实 |
| 2 | 读 Train 第 1–3 章；推导二元和多项 logit 概率 | 独立写出 logit 似然 |
| 3 | 运行模块 6 与 6A 的程序；改变随机种子和样本量 | 解释抽样误差、拟合与收敛信息 |
| 4 | 完成一个 GMM 或 SMM 练习；改变所用的矩和权重 | 说明矩如何识别参数，以及何时识别失败 |
| 5 | 阅读常见的扩展模型中与自己研究相关的一章；精读 Suri 或 Todd–Wolpin | 两页阅读笔记，并说明模型选择的理由 |
| 6 | 复现与所选模型对应的一个公开教程（PyBLP、动态规划、进入模型或 MTE） | 可完整运行的程序及运行环境说明 |
| 7 | 为自己的研究问题写出模型，并列出各参数的识别来源 | 一页模型设定和一页识别说明 |
| 8 | 完成蒙特卡洛检验、真实数据估计、拟合检验和一个反事实 | 可运行的小型项目，并说明模型不能回答的问题 |
若到第 7 周仍不能说明每个参数的识别来源，不宜进行大规模估计。应简化模型、寻找更多的数据变化，或放弃无法识别的参数。
参考资料
Reiss & Wolak
从经济模型、随机设定、未观测变量和估计方法几个方面说明结构计量模型的含义。
Train (2009)
内容包括 logit、mixed logit 和模拟估计方法；作者主页提供各章 PDF 供个人学习使用。
Keane, Todd & Wolpin
动态离散选择模型的结构估计方法及应用综述，宜在掌握静态模型后阅读。
PyBLP 教程
从简单 logit 到 Nevo 谷物数据的随机系数需求估计，含可下载 notebook。
QuantEcon
有限状态动态规划、Bellman 方程和计算方法的免费课程与教材。
Stata ml 手册
自定义似然函数时的官方参考。建议先熟悉 logit 等内置命令。
Stata gmm 手册
矩条件、权重矩阵、数值导数和标准误的官方语法与示例。
SciPy Optimize
介绍 minimize、BFGS、约束、容差与退出信息。
论文阅读笔记模板
# 结构估计论文阅读笔记
1. 政策问题与目标反事实：
2. 行动者、选择集与时间维度：
3. 状态、信息、约束与均衡概念：
4. 参数及其经济含义/单位：
5. 数据与模型的对应关系：
6. 逐参数识别来源与排除性假设：
7. 估计器、目标函数、计算与标准误：
8. 样本内拟合、未用矩和外部验证：
9. 反事实结果与不确定性：
10. 结论最依赖的假设及相应的稳健性检验：致谢
本课程内容的编排参考了北京大学易君健老师 2024–2025 学年 Structural Econometrics 课程大纲，依次为：导论与识别、单一决策者的静态与动态选择、多人博弈、选择模型与 MTE。
开始研究项目的条件
可以开始小型项目
能够写出模型；能够说明每个参数的识别来源；能够在模拟数据中估计出接近真值的参数；能够用估计中未使用的事实检验模型。
暂不宜扩展模型
不能解释目标函数；不能重复已有结果；估计不能稳定收敛；不能说明反事实改变了什么。
小结：写出行为模型只是结构估计的第一步。模型还需要经过数据、识别、计算、验证和替代假设的检验。