)的相关章节。Р本文将使用Hess, Train和Polak(2006) 的MLHS方法来计算数值积分,这是因为它比霍尔顿序列方法更有优势:一方面它在积分区域的各个维度上的覆盖都比霍尔顿序列更加均匀,另一方面它计算简单,十分容易实现。Р(4) 目标函数优化Р对广义矩方法(GMM)的目标函数进行优化时,我们使用了单纯形算法(Neld-Mead simplex)。一般来说,这种算法比基于梯度的算法(如Quasi-Newton)的运算速度慢,但它更加稳定。我们发现:当给出多组初值进行多次计算时,在能够收敛的那些计算结果中,目标函数的最小值往往集中在某一点,虽然在有些计算中,我们能够得到更小的目标函数值,但是这些计算往往是无法收敛的或者得到极不合理的估计值。这个发现与Knittel和Metaxoglou(2008)中的结果一致。Knittel和Metaxoglou(2008)对BLP(1995)的模型做了大量的数值计算实验;他们发现:不能够只看目标函数值来选择最优点,因为这个模型中的目标函数似乎在最优点附近呈现极其狭窄和陡峭的特征,这意味着:一个局部的最优点虽可能离真值很近,但其对应的目标函数值可能与最优目标函数值相差很大。因此,我们的做法是:把前面提到的那些能够收敛的计算中的使目标函数值集中的点作为目标函数的最优点,因为我们认为这个点对应的参数值接近真值。Р(二)、供给与福利后果分析Р(1) 产品边际成本的估计Р供给分析主要目的是得到产品的边际成本;而关于边际成本的数据和资料,在现实中,一般是很难得到的;因此,我们需要利用一种合理且可行的估计方法求得。Nevo(1997)给出的估计方法正符合我们的需要。这种方法基于的假设是:在产品差异化的市场结构下,市场中的厂商为实现利润最大化进行伯川德(Betrand)价格博弈。Р假设市场上有个厂商,每个厂商生产的产品集合为,因此,厂商的利润为
全文预览
