Iterative distributed multinomial regression
迭代分布式多项回归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：摘要研究对象为多项 logistic 回归模型与大规模选择集，属于离散选择模型的估计与推断，故归入离散选择。
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
迭代分布式多项回归
- 研究问题
- 针对选择集很大的多项 logistic 回归模型，如何在分布式计算环境下获得计算更快且具有渐近效率的估计量，并据此进行推断。
- 方法与思路
- 作者提出一种迭代分布式计算估计量，摘要称其相比最大似然估计显著加快计算；当以相合估计量初始化时，在弱支配条件下达到渐近效率，并提出基于该估计量的参数自助推断程序并证明其相合性。
- 材料陈述的贡献
- 摘要明确陈述的贡献是：提出大选择集多项 logistic 模型的迭代分布式估计量，给出其渐近效率条件，并提出并证明相合的参数自助推断程序，仿真研究验证方法有效性与计算效率。
- 阅读关注点
- 应核对分布式分块方式与迭代收敛条件、弱支配条件的具体形式、初始化相合估计量的构造、渐近效率与自助相合性的证明假设，以及仿真中与最大似然估计的比较设置。
- 阅读边界
- 仅凭摘要无法判断定理假设的强度、有限样本表现、实际数据适用性及与其他分布式方法的优劣；摘要未说明具体数据集、数值结果与实现细节。
原文摘要
This article introduces an iterative distributed computing estimator for the multinomial logistic regression model with large choice sets. Compared to the maximum likelihood estimator, the proposed iterative distributed estimator achieves significantly faster computation and, when initialized with a consistent estimator, attains asymptotic efficiency under a weak dominance condition. Additionally, we propose a parametric bootstrap inference procedure based on the iterative distributed estimator and establish its consistency. Extensive simulation studies validate the effectiveness of the proposed methods and highlight the computational efficiency of the iterative distributed estimator.