Revisão de literatura sobre regressão não linear

Alguém conhece um bom artigo de revisão para a literatura estatística sobre regressão não linear? Estou interessado principalmente em resultados de consistência e assintóticos.

De particular interesse é o modelo

para dados do painel.

De menor interesse são os métodos não paramétricos.

Sugestões para revistas também são bem-vindas.

No momento, estou lendo Amemiya (1983) no Handbook of Econometrics , mas esperava obter algo talvez mais atualizado.

Wooldridge, JM (1996) "Estimativa de sistemas de equações com diferentes instrumentos para diferentes equações" no Journal of Econometrics é um exemplo de contribuição posterior à revisão acima, portanto não incluída.

O livro " Análise de regressão não linear e suas aplicações " (2007), de Bates & Watts, vem à mente como uma sugestão imediata. É co-autor de um dos mestres do design do algoritmo de regressão (D. Bates). Observe que não é exatamente novo ; a edição que eu link foi publicada em 2007, mas a maior parte do material é da edição de 1989. Dito isto, é definitivamente autoritário e envelheceu muito bem. Usei-o como um livro de referência às vezes e foi muito bom. Especialmente quando se tratava de aspectos computacionais, era indispensável. Combina bem com os " Modelos de efeitos mistos em S e S-PLUS " (2000), de Pinheiro & Bates, mais próximos de um paradigma de dados em painel do problema.

Sugestões secundárias: Ruppert et al. " Regressão semiparamétrica " (2003) tem menos foco computacional que a B&W, mas acho que também tem um escopo mais amplo. Dependendo de como definimos a regressão não linear, a observação de Modelos Aditivos Generalizados pode ser muito esclarecedora e, nessa medida, "Os Modelos Aditivos Generalizados: Uma Introdução com R " de Wood (2017; 2ª Ed.) É provavelmente o mais atualizado referência lá fora, é uma ótima leitura. Da mesma forma, se nos preocupamos mais com os Modelos de Regressão Local, verificar a Fan & Gijbels " Modelagem Polinomial Local e Suas Aplicações " (1996) também é definitivamente um clássico. (Compreendo que essas sugestões secundárias estejam se afastando ainda mais do paradigma de dados do painel, mas preciso que elas formem meu próximo argumento.

Comentário: Pode-se notar que há menos livros de regressão não paramétricos lançados recentemente; isso não é inteiramente uma coincidência: o Machine Learning aconteceu. Pondo de lado os melhores livros gerais, como: " Elements of Statistical Learning " (2009) de Hastie et al. e " Aprendizado de máquina: uma perspectiva probabilística " (2013) de Murphy, investigando Devroye et al. " Uma teoria probabilística do reconhecimento de padrões " (1997) abrange resultados de consistência, limites, taxas de erro, convergência etc. em grande detalhe. Portanto, existem alguns artigos de revisão sobre a interseção entre Aprendizado de Máquina e Econometria, como: " Aprendizado de Máquina: Uma Abordagem Econométrica Aplicada " (2017) por Mullainathan & Spiess ou "Big Data: Novos truques para econometria "(2014) de Varian. Eles fornecem uma visão geral correta, mas não oferecem um tratamento matemático rigoroso do assunto, mas devem oferecer uma lista razoável de referências.

A regressão não linear é um tópico maduro e amplo, por isso duvido que existam muitos artigos de revisão recentes. Os únicos documentos em que consigo pensar são:

Motulsky HJ, Ransnas LA: "Ajustando curvas aos dados usando regressão não linear: uma revisão prática e não matemática". The FASEB Journal, 1 (5), 365-374 <- Como o nome diz, uma revisão não-matemática não é um bom lugar para procurar informações sobre consistência e assintóticos.

AR Gallant: "Regressão não linear" The American Statistician Vol. 29, n. 2 (maio de 1975), pp. 73-81 <- Mais antigo que o artigo que você mencionou na pergunta.

Você pode encontrar uma boa visão geral em alguns manuais de estatística. Por exemplo, no "Manual de métodos de regressão" de Young ou em "Métodos modernos de regressão" de Ryan, você pode encontrar um bom capítulo sobre regressão não linear.

Sobre consistência e assintóticos, posso recomendar o capítulo 2 do livro "Ferramentas estatísticas para regressão não linear", de Huet et al.

Por último, mas não menos importante, os dois clássicos da literatura de língua inglesa são Bates & Watts, como mencionado acima, e "Regressão não-linear" de Seber e Wild. Outro exemplo muito bom é o "Modelos Estatísticos Não Lineares", de Gallant