Estimation of Time-Varying Markov Processes with Aggregate Data
利用汇总数据估计时变马尔可夫过程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：摘要明确比较追踪同一组个体的面板研究与各期抽样群体不同的数据，因此归入面板数据方向。
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
利用汇总数据估计时变马尔可夫过程
- 研究问题
- 只观察马尔可夫过程的汇总存量、看不到个体转移时，如何估计时变过程，并区分追踪同一组人与反复随机抽样的数据结构？
- 方法与思路
- 作者推导仅观察汇总存量时数据的随机性质，区分固定个体群体的面板追踪与各期群体不同的随机抽样，并据此构造估计量。
- 材料陈述的贡献
- 摘要称，论文刻画两类抽样机制带来的不同随机结构，并提出若干相应估计量；具体形式与统计性质未在摘要中列出。
- 阅读关注点
- 重点核对从汇总存量识别转移概率所需的条件、时变参数的约束，以及不同抽样机制下估计量的适用性和统计性质。
- 阅读边界
- 摘要未说明转移概率如何随时间变化、估计量的一致性或效率条件，也未给出数值或实证结果；不能据此判断方法表现。
原文摘要
The exact stochastic character of observed data from a Markov process is derived for the case where only aggregate stocks, as opposed to individual transitions, are observed. Particular attention is devoted to the distinction between data generated by a panel study, where a single group of individuals is followed over time, and that generated by random sampling, where the observed groups are not identical over time. Several alternative estimators are developed which take into account the particular stochastic structure of the data.