We study identification and estimation of finite-horizon dynamic discrete choice models with a terminal action. We first demonstrate a new set of conditions for the identification of agents’ time preferences. Then we prove conditions under which the per-period utilities are identified for all actions in the agent’s choice-set, without having to normalize the utility for one of the actions. Finally, we develop a computationally tractable semiparametric estimator. The estimator uses a two-step approach that does not use either backward induction or forward simulation. Our methodology can be implemented using standard statistical packages without the need to write specialized computational routines, as it involves linear (or nonlinear) projections only. Monte Carlo studies demonstrate the superior performance of our estimator compared with existing two-step estimation methods. Monte Carlo studies further demonstrate that the ability to identify the per-period utilities for all actions is crucial for counterfactual predictions. As an empirical illustration, we apply the estimator to the optimal default behavior of subprime mortgage borrowers, and the results show that the ability to identify the discount factor, rather than assuming an arbitrary number as typically done in the literature, is also crucial for obtaining correct counterfactual predictions. These findings highlight the empirical relevance of key identification results of the paper.

中文翻译：

---

具有终止作用的有限层动态离散选择模型的辨识和半参数估计

我们研究具有终端作用的有限水平动态离散选择模型的识别和估计。我们首先演示一套新的条件，用于识别座席的时间偏好。然后，我们证明了一种条件，在该条件下，可以为座席选择集中的所有操作标识每个时段的效用，而不必对其中一项操作进行标准化。最后，我们开发了一个计算上容易处理的半参数估计器。估算器使用两步法，既不使用后向归纳法也不使用前向模拟法。我们的方法可以使用标准统计软件包来实现，而无需编写专门的计算例程，因为它仅涉及线性（或非线性）投影。蒙特卡洛研究表明，与现有的两步估算方法相比，我们的估算器具有优越的性能。蒙特卡洛研究进一步证明，识别所有行动的周期效用的能力对于反事实预测至关重要。作为经验例证，我们将估算器应用于次级抵押贷款借款人的最优违约行为，结果表明，识别折现因子的能力（而不是像文献中通常假定的那样任意取数）对于获得纠正反事实的预测。这些发现突出了本文关键识别结果的经验相关性。蒙特卡洛研究进一步证明，识别所有行动的周期效用的能力对于反事实预测至关重要。作为经验例证，我们将估算器应用于次级抵押贷款借款人的最优违约行为，结果表明，识别折现因子的能力（而不是像文献中通常假定的那样任意取数）对于获得纠正反事实的预测。这些发现突出了本文关键识别结果的经验相关性。蒙特卡洛研究进一步证明，识别所有行动的周期效用的能力对于反事实预测至关重要。作为经验例证，我们将估算器应用于次级抵押贷款借款人的最优违约行为，结果表明，识别折现因子的能力（而不是像文献中通常假定的那样任意取数）对于获得纠正反事实的预测。这些发现突出了本文关键识别结果的经验相关性。对于获得正确的反事实预测，也至关重要，而不是像文献中通常假定的那样假定任意数字。这些发现突出了本文关键识别结果的经验相关性。对于获得正确的反事实预测，也至关重要，而不是像文献中通常假定的那样假定任意数字。这些发现突出了本文关键识别结果的经验相关性。