Nonparametric Mixture of Regression Models
非参数有限混合回归模型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：摘要研究通用混合回归，房价指数应用未明确涉及时间依赖、收益预测或经济结构估计。
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
非参数有限混合回归模型
- 研究问题
- 如何构建非参数有限混合回归以刻画异质回归关系，并解决模型可识别性、参数估计和实际算法实现的问题？
- 方法与思路
- 作者采用核回归构造非参数混合模型的估计程序，并设计修正的期望最大化算法，以实现模型拟合与计算。
- 材料陈述的贡献
- 摘要称，论文研究可识别性并建立估计量的渐近正态性，证明算法具有渐近上升性质，并提供模拟与美国房价指数应用。
- 阅读关注点
- 应核对混合成分的可识别条件、成分数与带宽如何确定，以及渐近上升性质与有限样本算法收敛之间的关系。
- 阅读边界
- 摘要未列出识别条件或说明算法具有有限样本单调性，也未提出预测保证。所据索引摘要版本未注明，刊本变化未知。
原文摘要
Motivated by an analysis of US house price index data, we propose nonparametric finite mixture of regression models. We study the identifiability issue of the proposed models, and develop an estimation procedure by employing kernel regression. We further systematically study the sampling properties of the proposed estimators, and establish their asymptotic normality. A modified EM algorithm is proposed to carry out the estimation procedure. We show that our algorithm preserves the ascent property of the EM algorithm in an asymptotic sense. Monte Carlo simulations are conducted to examine the finite sample performance of the proposed estimation procedure. An empirical analysis of the US house price index data is illustrated for the proposed methodology.