间接推理需要从所研究的模型中模拟内生变量的实现。 当内生变量是模型参数的不连续函数时,产生的间接推理标准函数是不连续的,并且不允许使用基于导数的优化程序。 使用变量技术的变化,我们提出了一种新颖的模拟算法,该算法减轻了这种间接推理标准函数中固有的不连续性,并允许应用基于导数的优化程序来估计未知模型参数。 与竞争方法不同,这种方法不依赖于内核平滑或带宽参数。 文献中关于具有不连续结果的间接推理的几个蒙特卡罗示例说明了该方法,并证明了该方法优于现有替代方法的性能。
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~