On the Estimation of the Parameters of Markov Probability Models Using Macro Data
利用汇总数据估计马尔可夫概率模型参数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：分类依据是马尔可夫链及随时间增长的参数估计，属于时间序列方法，而非题名中的 macro 一词。
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
利用汇总数据估计马尔可夫概率模型参数
- 研究问题
- 仅观察所谓汇总数据时，能否确定底层马尔可夫模型的概率结构，并在观察时间增长时一致地估计其参数？
- 方法与思路
- 作者分析汇总数据过程的马尔可夫链结构与底层模型的对应关系，采用条件最小二乘估计，并研究长期渐近性质。
- 材料陈述的贡献
- 摘要称，汇总数据链唯一确定底层概率结构；估计量在较弱条件下存在且强一致，并在附加假设下渐近正态。
- 阅读关注点
- 核对汇总数据的具体定义、唯一确定结论的模型范围、条件最小二乘目标，以及强一致性和渐近正态性的不同假设。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；macro data 的具体含义与条件未说明，不能据题名将其认定为宏观经济数据。
原文摘要
In this paper we consider the problem of estimating the parameters of a Markov model using so-called macro data. It will be shown that the stochastic process of the macro data is a Markov chain, which uniquely determines the probability structure of the underlying Markov model. A conditional least squares estimator exists under very weak conditions and this estimator is strongly consistent as time tends to infinity. Moreover this estimator is shown to be asymptotically normal under some additional assumptions.