Estimating class‐specific parametric models under class uncertainty: local polynomial regression clustering in an hedonic analysis of wine markets
类别不确定下的分类参数模型估计：葡萄酒特征价格分析中的局部多项式回归聚类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：摘要聚焦回归聚类与特征价格分析，未明确结构识别、离散选择或其他所列细分方法。
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…
类别不确定下的分类参数模型估计：葡萄酒特征价格分析中的局部多项式回归聚类
- 研究问题
- 当样本所属类别未知时，如何根据局部回归关系识别潜在类别，再分别估计参数模型，以刻画葡萄酒属性隐含价格的差异？
- 方法与思路
- 作者先用局部多项式回归估计非参数关系，再按局部关系相似性聚合观测形成类别，最后估计每个类别的参数函数。
- 材料陈述的贡献
- 摘要提出局部多项式回归聚类方法，并称葡萄酒特征价格应用识别出四个类别，其区分依据是属性隐含价格的不同。
- 阅读关注点
- 应核对局部关系相似性的度量、带宽和类别数选择，以及前期非参数估计与分类不确定性是否传递至最终参数推断。
- 阅读边界
- 摘要未说明类别可识别条件、分类误差处理或推断性质，四类结果也不能外推至其他市场；本条仅依据所给Crossref版本摘要。
原文摘要
Abstract We introduce a method for estimating multiple class regression models when class membership is uncertain. The procedure— local polynomial regression clustering —first estimates a nonparametric model via local polynomial regression, and then identifies the underlying classes by aggregating sample observations into data clusters with similar estimates of the (local) functional relationships between dependent and independent variables. Finally, parametric functions specific to each class are estimated. The technique is applied to the estimation of a multiple‐class hedonic model for wine, resulting in the identification of four distinct wine classes based on differences in implicit prices of the attributes. Copyright © 2009 John Wiley & Sons, Ltd.