Hypothesis Testing in Mixture Regression Models
混合回归模型中的假设检验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：摘要涉及一般混合回归的估计与检验，未明确呈现结构经济模型、面板或其他所列领域。
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
混合回归模型中的假设检验
- 研究问题
- 混合回归中如何刻画混合分布估计的非标准收敛速度，并为检验总体同质性的似然比统计量建立有效推断？
- 方法与思路
- 作者研究最大似然与最大修正似然估计的渐近性质，推导两种同质性检验的极限分布，并用重抽样近似 p 值。
- 材料陈述的贡献
- 摘要称，在特定条件下两类估计均可达到混合分布估计的最优 n⁻¹ᐟ⁴ 速度，并以模拟和两个真实数据集展示应用。
- 阅读关注点
- 应核对同质性原假设、混合分布距离与识别条件、修正似然形式，以及重抽样处理非标准极限分布的依据。
- 阅读边界
- 摘要未说明达到最优速度的具体条件、模拟表现及数据内容；不能将该速度推广至所有混合回归设定。
原文摘要
Summary We establish asymptotic theory for both the maximum likelihood and the maximum modified likelihood estimators in mixture regression models. Moreover, under specific and reasonable conditions, we show that the optimal convergence rate of n−1/4 for estimating the mixing distribution is achievable for both the maximum likelihood and the maximum modified likelihood estimators. We also derive the asymptotic distributions of two log-likelihood ratio test statistics for testing homogeneity and we propose a resampling procedure for approximating the p-value. Simulation studies are conducted to investigate the empirical performance of the two test statistics. Finally, two real data sets are analysed to illustrate the application of our theoretical results.