Maximum Likelihood Estimation in the Mover-Stayer Model
迁移者—留驻者模型的最大似然估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究混合Markov过程，但未明确属于面板数据或离散选择模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
迁移者—留驻者模型的最大似然估计
- 研究问题
- 对于由两类Markov过程构成的离散时间迁移者—留驻者模型，如何估计参数，并解释已有估计量之间的联系及模型检验方式？
- 方法与思路
- 作者依据独立过程轨迹构造最大似然估计，提出递归计算方法，分析强一致性，并进行估计量数值比较和模型检验示例。
- 材料陈述的贡献
- 摘要称，新估计量强一致，两个已有估计量在特定条件下是其特例；论文还展示Markov模型相对迁移者—留驻者模型的检验应用。
- 阅读关注点
- 应核对混合模型的参数识别与边界情形、递归算法的收敛性质、强一致性条件，以及模型比较检验的零假设分布。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未列出识别及一致性条件，也未给出数值比较结果，不能据此认定算法总能得到唯一最优解。
原文摘要
The discrete time mover-stayer model, a special mixture of two independent Markov chains, has been widely used in modeling the dynamics of social processes. The problem of maximum likelihood estimation of its parameters from the data, however, which consist of a sample of independent realizations of this process, has not been considered in the literature. I present a maximum likelihood procedure for the estimation of the parameters of the mover-stayer model and develop a recursive method of computation of maximum likelihood estimators that is very simple to implement. I also verify that obtained maximum likelihood estimators are strongly consistent. I show that the two estimators of the parameters of the mover-stayer model previously proposed in the literature are special cases of the maximum likelihood estimator derived in this article, that is, they coincide with the maximum likelihood estimator under special conditions. I thus explain the interconnection between existing estimators. I also present a numerical comparison of the three estimators. Finally, I illustrate the application of the maximum likelihood estimators to testing the hypothesis that the Markov chain describes the data against the hypothesis that the mover-stayer model describes the data.