On the initialization of adaptive learning in macroeconomic models

ما روش هایی را که قبلا در ادبیات کاربردی یادگیری سازگاری در نظر گرفته شده اند را بررسی می کنیم و به ارزیابی اعتقادات عوامل می پردازیم. روش های قبلی به سه دسته گسترده تقسیم می شوند: تعادل، آموزش مبتنی بر نمونه و برآورد مبتنی بر. ما چندین شبیهسازی را مقایسه میکنیم که صحت برآوردهای اولیه ارائه شده توسط این روشها را انجام میدهد و چگونه بر صحت سایر پارامترهای مدل برآورد شده تاثیر میگذارد. ما شواهدی را در مورد برآورد مشترک آنها با شرایط لحظه ای استاندارد پیدا می کنیم: به عنوان صحت ارقام برآورد شده با توجه به حجم نمونه، با توجه به اندازه نمونه، اثرات سرریز نیز دقت برآورد پارامترهای ساختاری مدل را کاهش می دهد. ما نشان می دهیم که چگونه این مشکل را می توان با جریمه واریانس خطاهای تخمین زده کاهش داد. با این حال، برآورد مشترک مبانی یادگیری با سایر پارامترهای مدل همچنان در نمونه های کوچک به اعوجاج شدید منجر می شود. ما متوجه می شویم که اصطلاحات مبتنی بر تعادل و آموزش بر اساس نمونه های مبتنی بر نمونه کمتر مستعد این مسائل هستند. ما نیز نتایج تجربی از نتایج ما را با برآورد منحنی فیلیپس نیوکینز با یادگیری نشان می دهیم، جایی که می بینیم که رویکرد برآورد ما، قابلیت اعتماد به ابتدای یادگیری را فراهم می کند. این به ما اجازه می دهد تا نتیجه گیری کنیم که در سطح یادگیری سازگار درجه چسبندگی قیمت در مقایسه با نتیجه گیری های انتظارات عقلایی پایین تر است.