Estimating and interpolating a Markov chain from aggregate data
利用聚合数据估计与插值马尔可夫链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：摘要研究聚合纵向马尔可夫数据并应用于死亡原因，未明确属于经济面板或宏观时间序列研究。
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
利用聚合数据估计与插值马尔可夫链
- 研究问题
- 给定可能由非齐次马尔可夫链生成的聚合纵向数据，如何从间隔较大或不规则的观测估计一步转移概率？
- 方法与思路
- 作者对转移至其他状态相对于保持原状态的概率比取对数建模，利用渐近正态性开展向量加权最小二乘估计。
- 材料陈述的贡献
- 摘要称其理论支持借助标准回归方法估计参数化的部分赔率，并从宽间隔或不规则观测获得一步转移概率估计。
- 阅读关注点
- 应核对聚合数据保留的信息、非齐次转移的参数化限制、加权矩阵构造，以及由观测间隔恢复一步转移的条件。
- 阅读边界
- 所给材料为稿件版本未注明的 OpenAlex 索引摘要；未说明一步转移的可识别条件与插值限制，不能假定任意聚合数据均可恢复。
原文摘要
Given aggregated longitudinal data generated by a Markov chain, which may be nonhomogeneous, the problem considered is that of modelling, estimating and interpolating the logarithms of partial odds and hence the transition probabilities. By partial odds is meant the probability of a transition to another state divided by the probability of no transition. A result establishing asymptotic normality leads to vector weighted least squares estimation of parameterised partial odds using standard regression methods. It is shown how to obtain estimates of one‐step transition probabilities from widely or irregularly spaced data. The methods are illustrated on an example concerning competing causes of death.