Identification of mixture models using support variations
利用支持集变化识别混合模型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：摘要聚焦一般连续混合模型的非参数识别，测量误差、匹配和拍卖仅为例示，尚不足以确定某个具体领域细分。
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…
利用支持集变化识别混合模型
- 研究问题
- 多个观测变量由共同潜在成分驱动且给定该成分后相互独立时，能否利用观测变量支持集的变化实现连续混合模型的非参数识别？
- 方法与思路
- 作者以观测变量支持集随潜在成分变化为识别依据，借助极值理论检验该条件，并构造相应的非参数检验及其渐近理论。
- 材料陈述的贡献
- 摘要称支持集变化可使这类连续混合模型获得非参数识别，并且该条件可进行非参数检验，为测量误差、匹配和拍卖模型提供思路。
- 阅读关注点
- 应核对条件独立性、支持集移动的具体形式及识别对象，特别检查极值检验需要的尾部条件，以及这些要求在所列应用中的含义。
- 阅读边界
- 仅据所列出版社摘要，无法确定支持集变化的完整限制、检验功效或有限样本表现；所列应用并不意味着所有测量误差和拍卖模型都满足条件。
原文摘要
We consider the issue of identifying nonparametrically continuous mixture models. In these models, all observed variables depend on a common and unobserved component, but are mutually independent conditional on it. Such a structure applies for instance to measurement error, matching and auction models. Traditional approaches rely on parametric assumptions or strong functional restrictions. We show that these models are actually identified nonparametrically if the supports of the observed variables move with the value of the unobserved component. Moreover, this assumption is testable nonparametrically, using tools from extreme value theory. We develop an appropriate test and derive its asymptotic properties.