Maximum Likelihood Estimation in Markov Regime‐Switching Models With Covariate‐Dependent Transition Probabilities
协变量依赖转移概率的马尔可夫状态转换模型最大似然估计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：摘要明确涉及自回归观测过程和马尔可夫状态转换，直接对应时间序列方法，但没有宏观结构断点检验的明确证据。
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的马尔可夫状态转换模型最大似然估计
- 研究问题
- 当隐含马尔可夫状态的转移概率依赖协变量，观测过程具有自回归动态且模型可能误设时，最大似然估计如何获得渐近理论支持？
- 方法与思路
- 作者在较一般条件下研究最大似然估计的一致性与模型的局部渐近正态性，并通过正确设定和误设模型的模拟考察有限样本表现。
- 材料陈述的贡献
- 摘要称，理论框架允许自回归观测动态、协变量依赖的状态转移矩阵和模型误设，同时提供蒙特卡洛研究并讨论一项实证应用。
- 阅读关注点
- 应核对协变量与隐状态的关系、误设下估计目标和局部渐近正态性的具体表述，以及模拟如何区分正确设定与误设情形。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未列出一般条件、误设下方差形式或实证对象，不能判断具体模型的有效性或推断刊本变化。
原文摘要
This paper considers maximum likelihood (ML) estimation in a large class of models with hidden Markov regimes. We investigate consistency of the ML estimator and local asymptotic normality for the models under general conditions, which allow for autoregressive dynamics in the observable process, Markov regime sequences with covariate‐dependent transition matrices, and possible model misspecification. A Monte Carlo study examines the finite‐sample properties of the ML estimator in correctly specified and misspecified models. An empirical application is also discussed.