Non-Parametric Identification and Estimation of the Number of Components in Multivariate Mixtures
多元混合模型成分数的非参数识别与估计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：摘要涉及通用有限混合与潜在类别模型，未明确对应离散选择或经济结构估计。
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
多元混合模型成分数的非参数识别与估计
- 研究问题
- 在各混合成分内部边际相互独立、但成分分布形式未知时，能否从观测联合分布识别并估计有限混合模型的成分数？
- 方法与思路
- 作者利用观测分布函数构造矩阵，在变量维数至少为二时通过矩阵秩识别成分数下界，并据此设计一致的下界估计程序。
- 材料陈述的贡献
- 摘要明确建立的是成分数下界的非参数识别与一致估计，适用对象包括潜在类别模型；未声称普遍识别真实成分总数。
- 阅读关注点
- 阅读全文时应核对成分内部边际独立的作用、矩阵构造与秩估计方法，以及识别下界何时能够等于真实成分数。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断秩估计的具体条件或下界紧致性；不能把下界识别说成成分数点识别，也不推断版本差异。
原文摘要
Summary We analyse the identifiability of the number of components in k-variate, M-component finite mixture models in which each component distribution has independent marginals, including models in latent class analysis. Without making parametric assumptions on the component distributions, we investigate how one can identify the number of components from the distribution function of the observed data. When k⩾2, a lower bound on the number of components (M) is non-parametrically identifiable from the rank of a matrix constructed from the distribution function of the observed variables. Building on this identification condition, we develop a procedure to estimate a lower bound on the number of components consistently.