Almost Nonparametric Inference for Repeated Measures in Mixture Models
混合模型中重复测量的近乎非参数推断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：重复测量与二值化不足以确认为经济面板或离散选择模型，摘要未提供相应领域依据。
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
混合模型中重复测量的近乎非参数推断
- 研究问题
- 在不指定各混合成分分布形式的情况下，如何利用每个对象的重复观测估计混合比例或成分数，并兼顾效率与稳健性？
- 方法与思路
- 作者把每个对象的观测向量映射为零一向量并求和，将和的分布建模为二项混合，再与假定多元正态混合的策略比较。
- 材料陈述的贡献
- 摘要称，简单二项混合方法在不少所比较情形下表现较好，尤其用于真实成分分布偏离多元正态假定时的效率与稳健性分析。
- 阅读关注点
- 应核对二值化规则、得到二项混合所需的观测依赖条件、比例和成分数的识别，以及信息损失与效率比较的设置。
- 阅读边界
- 仅据所给 Crossref 摘要，不能把近乎非参数理解为没有结构假设；摘要未说明二项混合成立条件、识别要求或优势范围。
原文摘要
Summary We consider ways to estimate the mixing proportions in a finite mixture distribution or to estimate the number of components of the mixture distribution without making parametric assumptions about the component distributions. We require a vector of observations on each subject. This vector is mapped into a vector of 0s and 1s and summed. The resulting distribution of sums can be modelled as a mixture of binomials. We then work with the binomial mixture. The efficiency and robustness of this method are compared with the strategy of assuming multivariate normal mixtures when, typically, the true underlying mixture distribution is different. It is shown that in many cases the approach based on simple binomial mixtures is superior.