The Analysis of Panel Data under a Markov Assumption
Markov 假设下面板数据的分析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：摘要明确研究面板数据，并以个体吸烟习惯的纵向状态记录为例，对应微观面板方向。
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
Markov 假设下面板数据的分析
- 研究问题
- 对间隔观察的纵向状态数据，如何在连续时间 Markov 模型下估计转移强度、平均停留时间与均衡分布，并处理可嵌入性问题？
- 方法与思路
- 作者提出时间齐次模型的极大似然估计与渐近协方差计算程序，扩展至协变量分析和某些非齐次模型，并用学童吸烟纵向数据示例。
- 材料陈述的贡献
- 摘要明确提出面板状态转移分析的估计程序及过程特征推断方法，讨论可嵌入性与估计，并给出协变量及非齐次模型扩展。
- 阅读关注点
- 应核对连续时间 Markov 假设与观察间隔的作用、转移强度的可识别性、可嵌入性判定，以及非齐次扩展允许哪些变化。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；估计条件和可嵌入性处理细节未给出，不能认定任意离散观察的转移数据都适用。
原文摘要
Methods for the analysis of panel data under a continuous-time Markov model are proposed. We present procedures for obtaining maximum likelihood estimates and associated asymptotic covariance matrices for transition intensity parameters in time homogeneous models, and for other process characteristics such as mean sojourn times and equilibrium distributions. Generalizations to handle covariance analysis and to the fitting of certain nonhomogeneous models are presented, and an example based on a longitudinal study of the smoking habits of school children is discussed. Questions of embeddability and estimation are examined.