Estimating multivariate latent-structure models
多元潜在结构模型的估计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：摘要核心是通用潜在结构的识别与估计，未明确关联经济结构模型或宏观时间序列。
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…
多元潜在结构模型的估计
- 研究问题
- 如何识别并估计有限混合和隐马尔可夫等多元潜在结构模型，尤其如何利用多维数组分解恢复潜在组成及其密度？
- 方法与思路
- 作者以同一非正交基下的矩阵联合对角化构造识别证明，再用样本对应问题估计，并发展正交级数密度估计理论。
- 材料陈述的贡献
- 摘要称给出多线性分解的构造性识别证明与估计量分布理论，并建立混合成分密度及隐马尔可夫发射密度的渐近理论。
- 阅读关注点
- 应核对分解唯一性和识别条件、潜在类别标签的处理、联合对角化算法，以及密度级数截断对渐近分布的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法判断识别所需的秩或其他条件；潜在结构识别也不自动等于经济结构参数识别。
原文摘要
A constructive proof of identification of multilinear decompositions of multiway arrays is presented. It can be applied to show identification in a variety of multivariate latent structures. Examples are finite-mixture models and hidden Markov models. The key step to show identification is the joint diagonalization of a set of matrices in the same nonorthogonal basis. An estimator of the latent-structure model may then be based on a sample version of this joint-diagonalization problem. Algorithms are available for computation and we derive distribution theory. We further develop asymptotic theory for orthogonal-series estimators of component densities in mixture models and emission densities in hidden Markov models.