Estoy de acuerdo con 1muflon1, pero permítanme añadir algún matiz más.
La identificación y la calibración pueden significar un subconjunto de la estimación. Cualquier coeficiente identificado es también una estimación, pero no a la inversa.
Una estimación identificada es cualquier estimación que cumple ciertas condiciones que la convierten en el número verdadero que queremos.
Por ejemplo, cualquier coeficiente de (estimación de) una regresión OLS son estimaciones. Sin embargo, un coeficiente de un modelo OLS que cumple todos los supuestos OLS para una estimación consistente insesgada (por ejemplo, ninguna relación entre los términos de error y la variable independiente) es una estimación identificada. Sólo un modelo de este tipo "logra la identificación" o permite a los autores afirmar que "identificamos el efecto".
La calibración es relevante cuando los datos se utilizan para cuantificar un modelo teórico. Hay diferentes maneras de hacerlo y, por tanto, diferentes significados potenciales detrás del término.
Si quiere producir números relevantes para el mundo real basados en un modelo (teoría) tendrá que introducir ciertos números llamados "parámetros". Introducir esos números es lo que significa decir que "calibramos el modelo por...". Esto es lo que tienen en común todos los significados de calibración.
Cómo son esos números estimado es una historia diferente. Lo ideal sería que estos parámetros también fueran " identificado ". A veces los investigadores calibran utilizando parámetros de la literatura o un modelo de regresión identificado.
Más a menudo, la calibración se realiza probando diferentes valores de los parámetros hasta que el modelo logra predicciones con la menor desviación de los datos o reproduce algunas otras características empíricas. Creo que este es el significado de calibración que más se utiliza en el contexto del PO.
