Iterative Distributed Multinomial Regression
迭代式分布计算多项逻辑回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究大选择集合下的多项逻辑回归，属于离散选择模型的估计。
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
迭代式分布计算多项逻辑回归
- 研究问题
- 当多项逻辑回归的选择集合很大时，能否降低最大似然估计的计算成本，同时保留渐近效率并提供有效的统计推断？
- 方法与思路
- 作者提出迭代式分布计算估计量，以一致估计量初始化，并在弱支配条件下分析效率，另构造参数自助法进行推断。
- 材料陈述的贡献
- 摘要称该方法计算显著快于最大似然估计，在所述条件下达到渐近效率，并证明参数自助法一致性，辅以模拟比较。
- 阅读关注点
- 应核对弱支配条件的含义、一致初始化的可得性、迭代次数要求，以及自助法证明与计算比较采用的模型和规模。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出弱支配条件、计算加速幅度及有限样本适用边界。
原文摘要
This article introduces an iterative distributed computing estimator for the multinomial logistic regression model with large choice sets. Compared to the maximum likelihood estimator, the proposed iterative distributed estimator achieves significantly faster computation and, when initialized with a consistent estimator, attains asymptotic efficiency under a weak dominance condition. Additionally, we propose a parametric bootstrap inference procedure based on the iterative distributed estimator and establish its consistency. Extensive simulation studies validate the effectiveness of the proposed methods and highlight the computational efficiency of the iterative distributed estimator.