Buchumschlag

Reinforcement Learning Based Computationally Efficient Conditional Choice Simulation Estimation of Dynamic Discrete Choice Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khwaja, Ahmed, Srivastava, Sonal
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Econometrics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dynamic Discrete-Continuous Choice Models: Identification and Conditional Choice Probability Estimation
von: Bruneel-Zupanc, Christophe
Veröffentlicht: (2025)

Conditional Choice Probability Estimation of Dynamic Discrete Choice Models with 2-period Finite Dependence
von: Hao, Yu, et al.
Veröffentlicht: (2024)

Sequential Estimation of Dynamic Discrete Choice Models with Unobserved Heterogeneity
von: Chen, Ertian, et al.
Veröffentlicht: (2026)

Deep Learning for the Estimation of Heterogeneous Parameters in Discrete Choice Models
von: Hetzenecker, Stephan, et al.
Veröffentlicht: (2024)

The Use of Binary Choice Forests to Model and Estimate Discrete Choices
von: Chen, Ningyuan, et al.
Veröffentlicht: (2019)

Leveraging Uniformization and Sparsity for Estimation and Computation of Continuous Time Dynamic Discrete Choice Games
von: Blevins, Jason R.
Veröffentlicht: (2024)

Sensitivity Analysis for Dynamic Discrete Choice Models
von: Lau, Chun Pong
Veröffentlicht: (2024)

Identification and Estimation of Continuous-Time Dynamic Discrete Choice Games
von: Blevins, Jason R.
Veröffentlicht: (2025)

Identifying Dynamic Discrete Choice Models with Hyperbolic Discounting
von: Tsubota, Taiga
Veröffentlicht: (2021)

Semiparametric Discrete Choice Models for Bundles
von: Ouyang, Fu, et al.
Veröffentlicht: (2023)

Semiparametric Discrete Choice Models for Bundles
von: Ouyang, Fu, et al.
Veröffentlicht: (2023)

Training Neural Networks Embedded in Dynamic Discrete Choice Models
von: Oguz, Ecenur, et al.
Veröffentlicht: (2026)

Estimating Discrete Choice Demand Models with Sparse Market-Product Shocks
von: Lu, Zhentong, et al.
Veröffentlicht: (2025)

Identifying Present-Biased Discount Functions in Dynamic Discrete Choice Models
von: Abbring, Jaap H., et al.
Veröffentlicht: (2025)

Model-Adaptive Approach to Dynamic Discrete Choice Models with Large State Spaces
von: Chen, Ertian
Veröffentlicht: (2025)

Efficient and Accessible Discrete Choice Experiments: The DCEtool Package for R
von: Pérez-Troncoso, Daniel
Veröffentlicht: (2025)

Semiparametric Identification of the Discount Factor and Payoff Function in Dynamic Discrete Choice Models
von: Hao, Yu, et al.
Veröffentlicht: (2025)

Identification of Average Marginal Effects in Fixed Effects Dynamic Discrete Choice Models
von: Aguirregabiria, Victor, et al.
Veröffentlicht: (2021)

Semiparametric Estimation of Dynamic Binary Choice Panel Data Models
von: Ouyang, Fu, et al.
Veröffentlicht: (2022)

Bounds on Average Effects in Discrete Choice Panel Data Models
von: Pakel, Cavit, et al.
Veröffentlicht: (2023)

Bayesian Deep Learning for Discrete Choice
von: Villarraga, Daniel F., et al.
Veröffentlicht: (2025)

Universal Inference for Incomplete Discrete Choice Models
von: Kaido, Hiroaki, et al.
Veröffentlicht: (2025)

Revisiting Panel Data Discrete Choice Models with Lagged Dependent Variables
von: Dobronyi, Christopher R., et al.
Veröffentlicht: (2023)

A Lecture Note on Offline RL and IRL, Part II: Foundations of Inverse Reinforcement Learning and Dynamic Discrete Choice Models
von: Kang, Enoch Hyunwook
Veröffentlicht: (2026)

Using SVM to Estimate and Predict Binary Choice Models
von: Chang, Yoosoon, et al.
Veröffentlicht: (2026)

Discrete Choice with Endogenous Peer Selection
von: Kashaev, Nail, et al.
Veröffentlicht: (2025)

Equilibrium-Constrained Estimation of Recursive Logit Choice Models
von: Tran, Hung, et al.
Veröffentlicht: (2025)

The Mixed Aggregate Preference Logit Model: A Machine Learning Approach to Modeling Unobserved Heterogeneity in Discrete Choice Analysis
von: Forsythe, Connor R., et al.
Veröffentlicht: (2024)

Slope Consistency of Quasi-Maximum Likelihood Estimator for Binary Choice Models
von: Chang, Yoosoon, et al.
Veröffentlicht: (2025)

RUM-NN: A Neural Network Model Compatible with Random Utility Maximisation for Discrete Choice Setups
von: Bagheri, Niousha, et al.
Veröffentlicht: (2025)

Kernel Choice Matters for Local Polynomial Density Estimators at Boundaries
von: Imai, Shunsuke, et al.
Veröffentlicht: (2023)

Changes-in-Changes for Ordered Choice Models with Underreporting
von: Gutknecht, Daniel, et al.
Veröffentlicht: (2024)

An Empirical Risk Minimization Approach for Offline Inverse RL and Dynamic Discrete Choice Model
von: Kang, Enoch H., et al.
Veröffentlicht: (2025)

Demand and Welfare Analysis in Discrete Choice Models with Social Interactions
von: Bhattacharya, Debopam, et al.
Veröffentlicht: (2019)

A Kernelization-Based Approach to Nonparametric Binary Choice Models
von: Yan, Guo
Veröffentlicht: (2024)

High Dimensional Discrete Choice Models With Interactive Fixed Effects Applied to Causal Inference
von: Ye Chen, et al.
Veröffentlicht: (2025)

Partial Identification of Binary Choice Models with Misreported Outcomes
von: Mondal, Orville, et al.
Veröffentlicht: (2024)

Amortized Inference for Correlated Discrete Choice Models via Equivariant Neural Networks
von: Huch, Easton, et al.
Veröffentlicht: (2026)

Choice Models and Permutation Invariance: Demand Estimation in Differentiated Products Markets
von: Singh, Amandeep, et al.
Veröffentlicht: (2023)

Auditing and Fixing Economic Validity in Tabular Foundation Models for Discrete Choice
von: Wang, Yingshuo, et al.
Veröffentlicht: (2026)