베이츠 앤 와트 (Bates & Watts) 의 ” 비선형 회귀 분석 및 적용 “(2007) 이라는 책 은 즉각적인 제안으로 떠 오릅니다. 회귀 알고리즘 설계 (D. Bates)의 마스터 중 한 명이 공동 작성했습니다. 신선 하지 않다는 점에 유의하십시오 . 링크 I 판은 2007 년에 출판되었지만 대부분의 자료는 1989 년 판에 있습니다. 즉, 그것은 확실히 권위 있고 아주 잘 노화되었습니다. 나는 때때로 그것을 참고 도서로 사용했으며 매우 좋았습니다. 특히 계산 측면에서 볼 때 필연적이었습니다. 물론 “함께 커플 S 및 S-PLUS의 혼합 효과 모델 가까운 문제의 패널 데이터 패러다임이다 피녜 및 베이츠”(2000).

이차 제안 : Ruppert et al. ” Semiparametric Regression “(2003)은 B & W보다 계산 초점이 적지 만 더 넓은 범위를 가지고 있다고 생각합니다. 비선형 회귀 분석을 정의하는 방법에 따라 일반화 된 가산 모델을 보는 것은 매우 통찰력이 있으며 Wood의 ” 일반화 된 가산 모델 : R을 사용한 소개 (2017; 2nd Ed.)는 아마도 가장 최신 일 것입니다. 거기에서 참조, 그것은 큰 읽기입니다. 마찬가지로, 로컬 회귀 모델에 더 관심이 있다면 Fan & Gijbels ” Local Polynomial Modeling and its Applications “(1996)를 확인하는 것도 고전입니다. (이러한 보조 제안이 패널 데이터 패러다임에서 멀어지고 있다는 점에 감사하지만 다음 포인트를 제시해야합니다.

논평 : 최근에 나오는 비모수 적 회귀 서적이 적다는 것을 알 수 있습니다. 이것이 완전히 우연의 일치는 아닙니다 : 기계 학습이 일어났습니다. Hastie et al.의 ” Statistical Learning “(2009) 과 같은 동급 최강의 일반 도서를 제외하고 . 및 Murphy의 ” Machine Learning : Probabilistic Perspective “(2013)는 Devroye et al. ” 패턴 인식의 확률론 “(1997)은 일관성 결과, 범위, 오류율, 수렴 등을 자세하게 다룹니다. 따라서 머신 러닝과 계량 경제학의 교차점에 대한 다음과 같은 몇 가지 검토 기사가 있습니다 : ” 머신 러닝 : 적용되는 계량 경제학 접근법 “(2017), Mullainathan & Spiess 또는 “빅 데이터 : 계량 경제학의 새로운 기법 “(2014) Varian. 그들은 괜찮은 개요를 제공하지만, 문제에 대한 엄격한 수학적 처리를 제공하지는 않지만 합리적인 참고 문헌 목록을 제공해야합니다.

답변