Using SVM to Estimate and Predict Binary Choice Models
用支持向量机估计和预测二元选择模型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：摘要直接讨论二元选择模型的斜率与截距估计，并比较支持向量机和逻辑回归。
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
用支持向量机估计和预测二元选择模型
- 研究问题
- 支持向量机的分离超平面斜率能否一致估计二元选择模型参数，其大样本性质与逻辑回归有何联系，类别失衡又如何影响估计？
- 方法与思路
- 作者在协变量给定系统成分的线性条件均值条件下分析斜率一致性，讨论严重类别失衡时的权重，并研究截距的一致估计。
- 材料陈述的贡献
- 摘要称支持向量机斜率在所述意义下与逻辑回归渐近等价，但有限样本表现随协变量及误差分布变化，两者不存在普遍优势。
- 阅读关注点
- 应核对线性条件均值假设、斜率参数的定义与归一化、类别权重的选取，以及渐近等价的含义和截距恢复所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出完整分布条件及截距估计步骤，不能将一致性推广至任意二元数据。
原文摘要
The support vector machine (SVM) has an asymptotic behavior that parallels that of the quasi-maximum likelihood estimator (QMLE) for binary outcomes generated by a binary choice model (BCM), although it is not a QMLE. We show that, under the linear conditional mean condition for covariates given the systematic component used in the QMLE slope consistency literature, the slope of the separating hyperplane given by the SVM consistently estimates the BCM slope parameter, as long as the class weight is used as required when binary outcomes are severely imbalanced. The SVM slope estimator is asymptotically equivalent to that of logistic regression in this sense. The finite-sample performance of the two estimators can be quite distinct depending on the distributions of covariates and errors, but neither dominates the other. The intercept parameter of the BCM can be consistently estimated once a consistent estimator of its slope parameter is obtained.