Mixture of Regression Models With Varying Mixing Proportions: A Semiparametric Approach
混合比例可变的回归混合模型：半参数方法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：摘要讨论通用半参数回归混合模型，未明确涉及结构估计、离散选择或其他所列方向。
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…
关注这篇论文的作者
混合比例可变的回归混合模型：半参数方法
- 研究问题
- 当各混合成分的回归函数为线性形式，而混合比例随某个协变量平滑变化时，如何联合估计回归参数和比例函数？
- 方法与思路
- 作者提出一步回代估计程序，分析其渐近偏差、方差与正态性，并研究具有渐近上升性质的修正 EM 型算法。
- 材料陈述的贡献
- 摘要称，一步估计可使参数与非参数部分达到最优收敛率，并建立渐近正态性；模拟和实际数据用于展示有限样本表现。
- 阅读关注点
- 应核对混合模型的可识别性、一步更新的初始估计要求、平滑参数选择，以及修正 EM 渐近上升性质的具体含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出收敛率、正则条件和算法细节，不能推断全局收敛或刊本变化。
原文摘要
In this article, we study a class of semiparametric mixtures of regression models, in which the regression functions are linear functions of the predictors, but the mixing proportions are smoothing functions of a covariate. We propose a one-step backfitting estimation procedure to achieve the optimal convergence rates for both regression parameters and the nonparametric functions of mixing proportions. We derive the asymptotic bias and variance of the one-step estimate, and further establish its asymptotic normality. A modified expectation-maximization-type (EM-type) estimation procedure is investigated. We show that the modified EM algorithms preserve the asymptotic ascent property. Numerical simulations are conducted to examine the finite sample performance of the estimation procedures. The proposed methodology is further illustrated via an analysis of a real dataset.