最近正在看间接推断的一些文章，但是对于其中的一些问题总是不甚明白。由于担心我对indirect inference的理解有误，所以首先说一下我的理解，请各位老师或者前辈评判是否正确；然后，请教各位老师、前辈一些问题。在此，为占用您宝贵的时间表示歉意！

我对indirect inference的理解是，
（1）用给定的参数β(i)（β(i)属于集合B）生成一组数据，然后用生成的数据基于一个辅助模型的“伪似然函数”得出参数的一组估计值;
（2）重复步骤（1）共S次，并得到参数β(i)下的S组参数的估计值;
（3）求S组参数估计值的期望，并记为E（β(i)）;
（4）利用观测到的“真实”数据，基于上述“伪似然函数”得到真实数据的一组参数估计值β(hat);
（5）对集合B内的所有N个参数向量，依次进行步骤(1)—（3），得出给定参数下估计值的期望向量E（β(i)），其中i=1,2……N；
（6）比较E（β(i)）和β(hat)，得出二者“距离”最小的那个E（β(i)）
（7）当DGP包含真实数据的数据生成过程时，根据E（β(i)）和给定参数β(i)的映射关系，将β(i)作为真实数据模型的参数估计值。

如果上述理解不正确，诚恳各位大侠指教，并在此表示感谢！

如果上述理解正确，那么接着说我的问题，主要如下：
1.间接推断主要是基于DGP的模拟来实现对参数的估计，那么数据生成过程中参数集合B该如何设定？怎样确定集合B包括了待估参数的“真实值”？
2.计算过程中，需要用到最优加权矩阵，那么这个最优加权矩阵该如何得到？
3.辅助模型的选择有无准则？

在此，再次感谢各位老师和前辈的指教！