Nonparametric estimation in random coefficients binary choice models

Résumé En Fr

This paper considers random coefficients binary choice models. The main goal is to estimate the density of the random coefficients nonparametrically. This is an ill-posed inverse problem characterized by an integral transform. A new density estimator for the random coefficients is developed, utilizing Fourier-Laplace series on spheres. This approach offers a clear insight on the identification problem. More importantly, it leads to a closed form estimator formula that yields a simple plug-in procedure requiring no numerical optimization. The new estimator, therefore, is easy to implement in empirical applications, while being flexible about the treatment of unobserved heterogeneity. Extensions including treatments of non-random coefficients and models with endogeneity are discussed.

Nous considérons dans cet article des modèles à choix binaires et coefficients aléatoires. Le but est d'estimer de manière nonparamétrique la densité du coefficient aléatoire. Il s'agit d'un problème inverse mal posé caractérisé par une transformation intégrale. Un nouvel estimateur de la densité du coefficient aléatoire est proposé. Il est basé sur les développements en séries de Fourier-Laplace sur la sphère. Cette approche permet une étude fine du problème d'identification mais aussi d'obtenir un estimateur par injection ayant une expression explicite et ne nécessitant aucun optimisation numérique. Le nouvel estimateur est donc très facile à obtenir numériquement, tout en étant souple sur le traitement de l'hétérogénéité inobservée. Nous présentons des extensions parmi lesquellesle traitement de coefficients non aléatoires et de modèles avec endogénéité.