非線性回歸的文獻綜述
有誰知道關於非線性回歸的統計文獻的優秀評論文章？我主要對一致性結果和漸近線感興趣。
特別感興趣的是模型
$$ y_{it} = m(x_{it},\theta) + \epsilon_{it}, $$
對於面板數據。
不太感興趣的是非參數方法。
也非常歡迎對期刊提出建議。
目前我正在閱讀*《計量經濟學手冊》*中的 Amemiya (1983) ，但我希望能得到一些更新的東西。
Wooldridge, JM (1996) “Estimating systems of equations of equations with different instruments for different equations”在計量經濟學雜誌是比上述評論晚的貢獻的一個例子，因此不包括在內。
Bates & Watts的書“非線性回歸分析及其應用”（2007 年）作為一個直接的建議浮現在腦海中。它由回歸算法設計大師之一 (D. Bates) 合著。請注意，這並不新鮮；我鏈接的版本是 2007 年出版的，但大部分材料來自 1989 年的版本。話雖如此，它絕對是權威的，並且已經老化得很好。我有時將它用作參考書，它非常好。尤其是在計算方面，它是必不可少的。它與 Pinheiro & Bates 的“ S 和 S-PLUS 中的混合效果模型”（2000 年）很好地結合，更接近問題的面板數據范式。
次要建議：Ruppert 等人。“半參數回歸”（2003 年）的計算重點不如 B&W，但我認為它的範圍也更廣。根據我們定義非線性回歸的方式，查看廣義加法模型可能非常有見地，並且在某種程度上 Wood 的“廣義加法模型：R 簡介”（2017 年；第 2 版）可能是最新的參考那裡，這是一個偉大的閱讀。同樣，如果我們更關心局部回歸模型，那麼查看 Fan & Gijbels “ Local Polynomial Modeling and Its Applications ”（1996）也絕對是經典之作。（我很欣賞這些次要建議離面板數據范式更遠，但我需要它們來提出我的下一個觀點。
評論：可以注意到最近出版的非參數回歸書籍較少；這並不完全是巧合：機器學習發生了。撇開一流的普通書籍，例如： Hastie 等人*的“統計學習要素”（2009 年）。和墨菲的“機器學習：概率視角”（2013 年），研究 Devroye 等人。“ A Probabilistic Theory of Pattern Recognition ”（1997）非常詳細地涵蓋了一致性結果、界限、錯誤率、收斂性等。因此，有一些關於機器學習和計量經濟學交叉點的評論文章，例如：Mullainathan & Spiess 的“機器學習：一種應用計量經濟學方法”（2017）或“大數據：計量經濟學的新技巧*”（2014 年），瓦里安。他們給出了一個不錯的概述，但他們沒有提供對此事的嚴格數學處理，但他們應該提供一個合理的參考列表。