Low & Meghir (2017)
短篇 JEP 综述，讨论结构模型在实证与政策设计中的用途和争议。
课程目录 · 已完成 0 / 7 个模块
从入门课
走向自己的研究
先用十题自测发现薄弱点，再按八周路线完成一次复现和一个小型结构项目。资料按“现在需要什么”分层，不再只给一串书名。
十题自测：8 题及格，但要读懂解释
已答 0 / 10 题；答对 0 题。
八周学习路线：每周 6–10 小时
| 周 | 任务 | 最低产出 |
|---|---|---|
| 1 | 完成本课程模块 1–4；手写一页结构式/简约式对照 | 能口头解释模型、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 的 Stata 与 Python 代码；改变 seed 和样本量 | 解释抽样误差、拟合与收敛输出 |
| 4 | 做一个 GMM/SMM 小练习；改变矩和权重 | 解释矩为何识别参数及失败情形 |
| 5 | 完成进阶模型地图，按自己的问题选一条路线；再拆 Suri 或 Todd–Wolpin | 两页结构化阅读笔记 + 模型选择理由 |
| 6 | 沿所选路线复现一个公开教程：PyBLP、动态规划、进入模型或 MTE | 可从头运行的代码与环境说明 |
| 7 | 为自己的问题写最小模型和参数—数据—识别表 | 一页模型草图 + 一页识别图 |
| 8 | 做蒙特卡洛、真实数据最小估计、拟合和一个反事实 | 可运行小项目；明确不能回答的问题 |
如果第 7 周仍无法逐参数说明识别来源，不要进入大规模真实估计。先缩小模型、增加数据变化或放弃无法识别的参数。
按学习阶段选择权威资料
Reiss & Wolak
从经济模型、随机模型、未观测量和估计映射解释什么叫结构计量。
Train (2009)
从 logit、mixed logit 到模拟辅助估计；作者提供个人学习用途的章节 PDF。
Keane, Todd & Wolpin
动态离散选择结构估计的完整入门和应用综述，适合完成静态模型后阅读。
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
需要自定义似然函数时的官方参考；先掌握内置 logit，再进入可编程 MLE。
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
理解 minimize、BFGS、约束、容差与退出信息，不把优化器当黑箱。
可复制的论文拆解笔记
# 结构论文拆解
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. 数据与可观测映射：
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. 最脆弱假设及可执行稳健性检验：本轮增补使用的课程主线
本课程已按北京大学易君健老师 2024–2025 学年 Structural Econometrics 大纲重新核对学习顺序：导论与识别 → 单一行动者静态/动态选择 → 多行动者博弈 → 选择模型与 MTE。
课件在这里承担“课程地图与概念校准”作用；网页没有复制课件页面，也没有公开用户本地 PDF。部分导论和案例课件有各自原作者，因此不把整套材料简单归为单一作者作品。
什么时候算真正入门？
四个“能”
能写最小模型；能逐参数讲识别；能估回模拟真值；能用未用事实检查模型。
四个“不能”
不能解释目标函数；不能复现实验；不能稳定收敛；不能说明反事实改变了什么。
最后的判断标准：结构估计不是把行为故事写成公式就结束，而是让故事接受数据、识别、计算、验证和替代假设的连续约束。