Tuning parameter-free nonparametric density estimation from tabulated summary data
基于汇总表数据的免调参非参数密度估计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：摘要直接研究密度恢复，并以收入分布估计为应用，属于分布分析方向。
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…
基于汇总表数据的免调参非参数密度估计
- 研究问题
- 当保密限制使行政数据只能以汇总表形式获取时，如何从这些有限信息恢复连续密度，并减少调参负担？
- 方法与思路
- 作者提出基于最大熵的非参数密度估计，给出便于后续分析的闭式密度，并使用美国税务汇总数据估计收入分布。
- 材料陈述的贡献
- 摘要称，估计量无需调参，具有闭式表达，并证明其强一致收敛在定义域上成立，从而提供汇总数据密度估计方案。
- 阅读关注点
- 应核对汇总表需要包含哪些信息、最大熵约束如何设置，以及强一致性的条件、表格细化要求和边界处理。
- 阅读边界
- 仅据所给 OpenAlex 摘要版本；摘要未说明汇总表格式、尾部条件及收入分布估计结果，不能推断后续刊本变化。
原文摘要
Administrative data are often easier to access as tabulated summaries than in the original format due to confidentiality concerns. Motivated by this practical feature, we propose a novel nonparametric density estimation method from tabulated summary data based on maximum entropy and prove its strong uniform consistency. Unlike existing kernel-based estimators, our estimator is free from tuning parameters and admits a closed-form density that is convenient for post-estimation analysis. We apply the proposed method to the tabulated summary data of the U.S. tax returns to estimate the income distribution.