On the Robustness of Mixture Models in the Presence of Hidden Markov Regimes with Covariate-Dependent Transition Probabilities
协变量依赖转移概率下隐马尔可夫状态的混合模型稳健性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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究通用隐马尔可夫与混合模型误设理论，未明确宏观时间序列或其他所列应用方向。
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…
协变量依赖转移概率下隐马尔可夫状态的混合模型稳健性
- 研究问题
- 真实隐状态具有协变量依赖的马尔可夫转移，而估计采用独立同分布状态的混合模型时，哪些参数仍可一致估计？
- 方法与思路
- 作者考察状态转换结构误设下的拟极大似然估计，研究简化混合模型对观测变量条件分布参数的一致性。
- 材料陈述的贡献
- 摘要称在一定正则条件下，观测变量条件分布的参数仍能一致估计，说明复杂状态依赖下简化模型的潜在计算价值。
- 阅读关注点
- 应核对一致性覆盖哪些参数、协变量如何进入观测和转移方程，以及状态识别、权重设定与依赖结构所需条件。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要未列明正则条件，也未声称转移参数或推断均稳健。
原文摘要
This paper studies the robustness of quasi-maximum-likelihood (QML) estimation in hidden Markov models (HMMs) when the regime-switching structure is misspecified. Specifically, we examine the case where the true data-generating process features a hidden Markov regime sequence with covariate-dependent transition probabilities, but estimation proceeds under a simplified mixture model that assumes regimes are independent and identically distributed. We show that the parameters governing the conditional distribution of the observables can still be consistently estimated under this misspecification, provided certain regularity conditions hold. Our results highlight a practical benefit of using computationally simpler mixture models in settings where regime dependence is complex or difficult to model directly.