ON THE ROBUSTNESS OF MIXTURE MODELS IN THE PRESENCE OF HIDDEN MARKOV REGIMES WITH COVARIATE-DEPENDENT TRANSITION PROBABILITIES
协变量依赖转移概率的隐马尔可夫状态下，混合模型的稳健性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：摘要研究隐马尔可夫状态序列、转移概率及时间依赖误设，直接涉及时间序列模型。
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…
协变量依赖转移概率的隐马尔可夫状态下，混合模型的稳健性
- 研究问题
- 当真实隐状态具有协变量依赖的马尔可夫转移，而估计采用独立同分布状态的混合模型时，哪些参数仍能一致估计？
- 方法与思路
- 作者研究状态切换结构误设下的准最大似然估计，将真实隐马尔可夫过程与简化混合模型联系起来分析一致性。
- 材料陈述的贡献
- 摘要称在一定正则条件下，可观测变量条件分布的参数仍能一致估计，为使用计算更简单的混合模型提供理论依据。
- 阅读关注点
- 应核对可一致估计的参数范围、协变量在条件分布与转移概率中的作用，以及正则条件如何限制状态依赖和误设。
- 阅读边界
- 仅据所给 Crossref 版本摘要，正则条件未说明；结果不能扩展为转移结构也可恢复，亦不能推断后续刊本变化。
原文摘要
This article studies the robustness of quasi-maximum-likelihood estimation in hidden Markov models when the regime-switching structure is misspecified. Specifically, we examine the case where the data-generating process features a hidden Markov regime sequence with covariate-dependent transition probabilities, but estimation proceeds under a simplified mixture model that assumes regimes are independent and identically distributed. We show that the parameters governing the conditional distribution of the observables can still be consistently estimated under this misspecification, provided certain regularity conditions hold. Our results highlight a practical benefit of using computationally simpler mixture models in settings where regime dependence is complex or difficult to model directly.