Classified Mixed Model Prediction
基于类别匹配的混合模型预测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：摘要关注通用个体和小群体预测，未明确包含面板时间结构、宏观预测或金融收益预测，故不因混合模型名称归类。
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…
基于类别匹配的混合模型预测
- 研究问题
- 在个体或小群体层面的预测中，如何通过识别新对象所属类别，借用训练数据中的类别随机效应改善预测？
- 方法与思路
- 作者提出分类混合模型预测，分别处理混合效应和未来观测的预测，并考虑新对象类别与训练数据存在或不存在匹配的情形。
- 材料陈述的贡献
- 摘要称，方法包含预测区间的理论与实证分析；即使新观测类别在训练集中没有实际匹配，也能帮助提高预测精度。
- 阅读关注点
- 应核对类别如何识别、无匹配时如何构造预测、分类不确定性是否进入预测区间，以及理论比较采用的损失与条件。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未说明无匹配情况下改善成立的条件或区间覆盖结果，不能理解为对任意新对象均有效。
原文摘要
Many practical problems are related to prediction, where the main interest is at subject (e.g., personalized medicine) or (small) sub-population (e.g., small community) level. In such cases, it is possible to make substantial gains in prediction accuracy by identifying a class that a new subject belongs to. This way, the new subject is potentially associated with a random effect corresponding to the same class in the training data, so that method of mixed model prediction can be used to make the best prediction. We propose a new method, called classified mixed model prediction (CMMP), to achieve this goal. We develop CMMP for both prediction of mixed effects and prediction of future observations, and consider different scenarios where there may or may not be a “match” of the new subject among the training-data subjects. Theoretical and empirical studies are carried out to study the properties of CMMP, including prediction intervals based on CMMP, and its comparison with existing methods. In particular, we show that, even if the actual match does not exist between the class of the new observations and those of the training data, CMMP still helps in improving prediction accuracy. Two real-data examples are considered. Supplementary materials for this article are available online.