A Graphical Method for Estimating the Residual Variance in Nonparametric Regression
非参数回归中残差方差估计的图方法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：摘要讨论非参数回归的残差方差估计与图形诊断，未涉及所给领域细分中的因果推断、面板、时间序列、金融等方向，故不选择任何细分。
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
非参数回归中残差方差估计的图方法
- 研究问题
- 摘要称，若要对回归做推断，需要准确的残差方差估计量；但除最简单情形外，所有方差估计量都带有依赖未知回归函数的偏差。因此问题是如何判断某个具体估计中的偏差是否足够小。
- 方法与思路
- 作者提出一种图方法，用来指示特定估计的偏差是否较小；摘要称该程序针对一类估计量做了较详细研究，这类估计量是数据分差平方的加权和，并由此得到一个实用的方差估计方法。
- 材料陈述的贡献
- 摘要明确陈述的贡献是提出并研究了一种图形程序，用于判断残差方差估计的偏差大小，并在此基础上给出一个实用的方差估计方法。
- 阅读关注点
- 阅读全文时应核对：图方法的具体构造与判读规则、所考察的加权和估计量类别及其条件、偏差“小”的判定标准，以及所提实用估计方法的性质与适用限制。
- 阅读边界
- 仅有摘要，无法判断该图方法的理论保证、模拟或实证表现，也无法确认其相对已有估计量的优劣；来源版本未注明，不能据此声称已同行评审或期刊接收。
原文摘要
If one wishes to make inferences about a regression, then an accurate estimator of the residual variance is required. However, except in the simplest cases, all estimators of variance are biased by an amount which depends on the unknown regression. Here, a graphical procedure is proposed which indicates whether the bias in a particular estimate is small. This procedure is studied in some detail for estimators which are weighted sums of squares of divided differences of the data and leads to a practical method of variance estimation.