Minimum Hellinger Distance Estimation for Finite Mixture Models
有限混合模型的最小 Hellinger 距离估计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：摘要研究一般有限混合密度模型的稳健估计，未将潜在成分赋予经济结构解释，也未明确分位数或分布效应目标。
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
有限混合模型的最小 Hellinger 距离估计
- 研究问题
- 当有限混合模型的成分密度只被认为接近某个参数族，而具体形式并不完全可靠时，如何同时追求模型内效率与偏离模型的稳健性？
- 方法与思路
- 作者考虑最小 Hellinger 距离估计，提出类似 EM 的新算法和专门的自适应密度估计，并讨论常用稳健性度量及其困难。
- 材料陈述的贡献
- 摘要称在数据来自参数族时估计具有渐近效率，对某些模型偏离具有稳健性，并以模拟展示这两方面性质。
- 阅读关注点
- 应核对允许的密度偏离类型、混合成分可识别条件、密度估计与算法的具体实现，以及稳健性度量出现困难的原因。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明稳健性的具体范围，也未提供收敛或模拟数值。
原文摘要
Minimum Hellinger distance estimates are considered for finite mixture models when the exact forms of the component densities are unknown in detail but are thought to be close to members of some parametric family. Minimum Hellinger distance estimates are asymptotically efficient if the data come from a member of the parametric family and are robust to certain departures from the parametric family. A new algorithm is introduced that is similar to the EM algorithm a specialized adaptive density estimate is also introduced. Standard measures of robustness are discussed some difficulties are noted. The robustness and asymptotic efficiency of the estimators are illustrated using simulations.