宏觀經濟學
辨識、校準和估計之間有什麼區別？
在將理論模型與數據擬合時，辨識、校準和估計之間有什麼區別？
我同意 1muflon1，但請允許我添加更多細微差別。
辨識和校準可以表示估計的一個子集。任何確定的係數也是一個估計值，但反之則不然。
確定的估計是滿足某些條件的任何估計，使其成為我們想要的真實數字。
例如，來自（估計）OLS 回歸的任何係數都是估計值。但是，OLS 模型中滿足所有OLS 假設的無偏一致估計（例如，誤差項和自變數之間沒有關係）的係數是已辨識的估計。只有這樣的模型“實現辨識”或允許作者聲明“我們辨識效果”。
當數據用於量化理論模型時，校準是相關的。有不同的方法可以做到這一點，因此該術語背後的潛在含義也不同。
如果您想根據模型（理論）生成與現實世界相關的數字，您將需要輸入某些稱為“參數”的數字。輸入這些數字就是說我們“通過……校準模型”的意思。這是所有校準含義的共同點。
如何估計這些數字是另一回事。理想情況下，這些參數也將被“辨識”。有時研究人員會使用文獻中的參數或確定的回歸模型進行校準。
更常見的校準是通過嘗試不同的參數值來完成，直到模型實現與數據偏差最小的預測或再現一些其他經驗特徵。我相信這是在 OP 上下文中最常用的校準的含義。