A mixture logistic model for panel data with a Markov structure
具有马尔可夫结构的面板数据混合逻辑回归模型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。
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：题名明确针对面板数据，摘要提出具有马尔可夫结构的混合逻辑回归；未说明具体选择行为，故不另归离散选择。
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
具有马尔可夫结构的面板数据混合逻辑回归模型
- 研究问题
- 如何在面板数据的混合逻辑回归中引入马尔可夫结构，并通过参数估计和解释变量筛选，在模型表达能力与参数数量之间取舍？
- 方法与思路
- 作者提出具有马尔可夫结构的混合逻辑回归模型，以最大似然估计模型参数，并提供前向变量选择算法以筛选重要解释变量。
- 材料陈述的贡献
- 摘要明确陈述的贡献是结合混合逻辑回归与马尔可夫结构，并配套最大似然估计和减少参数数量的前向变量选择方法。
- 阅读关注点
- 应核对马尔可夫结构作用于哪个模型层次、混合成分与面板依赖如何表达，以及参数识别、似然计算和变量选择准则。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要很短，未说明理论性质、实证应用或相对现有方法的表现。
原文摘要
In this study, we propose a mixture logistic regression model with a Markov structure, and consider the estimation of model parameters using maximum likelihood estimation. We also provide a forward type variable selection algorithm to choose the important explanatory variables to reduce the number of parameters in the proposed model.