Per citar aquest document: http://ddd.uab.cat/record/132438
Indirect likelihood inference (revised)
Creel, Michael (Universitat Autònoma de Barcelona. Departament d'Economia i d'Història Econòmica)
Kristensen, Dennis
Universitat Autònoma de Barcelona. Unitat de Fonaments de l'Anàlisi Econòmica
Universitat Autònoma de Barcelona. Institut d'Anàlisi Econòmica

Publicació: Universitat Autònoma de Barcelona. Unitat de Fonaments de l'Anàlisi Econòmica 2013
Descripció: 32 p.
Col·lecció: Working papers ; 931.13
Resum: Standard indirect Inference (II) estimators take a given finite-dimensional statistic, Z_{n} , and then estimate the parameters by matching the sample statistic with the model-implied population moment. We here propose a novel estimation method that utilizes all available information contained in the distribution of Z_{n} , not just its first moment. This is done by computing the likelihood of Z_{n}, and then estimating the parameters by either maximizing the likelihood or computing the posterior mean for a given prior of the parameters. These are referred to as the maximum indirect likelihood (MIL) and Bayesian Indirect Likelihood (BIL) estimators, respectively. We show that the IL estimators are first-order equivalent to the corresponding moment-based II estimator that employs the optimal weighting matrix. However, due to higher-order features of Z_{n} , the IL estimators are higher order efficient relative to the standard II estimator. The likelihood of Z_{n} will in general be unknown and so simulated versions of IL estimators are developed. Monte Carlo results for a structural auction model and a DSGE model show that the proposed estimators indeed have attractive finite sample properties.
Drets: L'accés als continguts d'aquest document queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: Creative Commons
Llengua: Anglès.
Document: workingPaper
Matèria: Inferència ; Approximate bayesian computation ; Indirect inference ; Maximum-likelihood ; Simulation-based methods

Adreça alternativa: http://hdl.handle.net/2072/250491


32 p, 466.6 KB

El registre apareix a les col·leccions:
Documents de recerca > Working papers

 Registre creat el 2015-06-02, darrera modificació el 2016-07-20



   Favorit i Compartir