2019年3月19日下午，波士顿大学副教授Hiroaki Kaido作客我院SEMINAR第130期，他分享了题为“Confidence Intervals for Projections of Partially Identified Parameters”的报告。

Hiroaki Kaido副教授

矩不等式模型（moment inequality models）已经被广泛运用于微观经济学中，模型中结构参数的部分识别（partial identification），估计与检验已经有大量相关研究。Hiroaki Kaido在文中提出如何对矩不等式模型中结构参数的某个特定维度，或者结构参数相关平滑函数构建检验参数所需要的置信区间。本方法是基于自抽样（bootstrap-based）的校准投影步骤来构建的，校准问题被转化为基于重复的观测线性规划（linear programming）的可行性问题，且转化后的计算既高效又简便。即使考虑一个相当大范围的数据生成过程， 此方法依然可以控制置信区间对于结构参数的渐进覆盖概率。在转化校准问题的过程中，置信区间中存在的极限点可能是非线性的，甚至是更加错综的，考虑到这种极端情况，本文给出了基于反应曲面法（response surface method）解上述优化问题的高效算法。文中也证明了此类算法的收敛速度。文中应用部分以微观经济学中离散范式博弈模型为例子，展示了此方法的实用性。蒙特卡洛模拟部分与其他相关方法进行了比较分析，结果展示了本文置信区间的精准性与计算的简便性。