A Mallows-Type Model Averaging Estimator for the Varying-Coefficient Partially Linear Model
变系数部分线性模型的Mallows型模型平均估计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：摘要研究一般半参数回归的模型平均，未明确涉及所列因果、时间序列或其他应用细分方向。
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…
变系数部分线性模型的Mallows型模型平均估计
- 研究问题
- 在变系数部分线性模型中，面对协变量选择及其应进入参数还是非参数部分的双重不确定性，如何分配模型平均权重？
- 方法与思路
- 作者构造用于频率学派模型平均的Mallows型权重准则，研究其渐近最优性，并通过模拟和实际数据与信息准则方法比较。
- 材料陈述的贡献
- 摘要称证明了该准则的渐近最优性，并报告其模型平均估计在所考察模拟和应用中优于基于信息准则评分的选择及平均方法。
- 阅读关注点
- 应核对渐近最优性所针对的损失和候选模型集合、非参数估计误差的处理，以及权重约束、平滑参数和比较基准的设置。
- 阅读边界
- 索引摘要未注明稿件版本；最优性的具体条件、损失定义和比较数值未说明，摘要中的优势陈述不能推广为所有模型设置下的优势。
原文摘要
In the last decade, significant theoretical advances have been made in the area of frequentist model averaging (FMA); however, the majority of this work has emphasized parametric model setups. This article considers FMA for the semiparametric varying-coefficient partially linear model (VCPLM), which has gained prominence to become an extensively used modeling tool in recent years. Within this context, we develop a Mallows-type criterion for assigning model weights and prove its asymptotic optimality. A simulation study and a real data analysis demonstrate that the FMA estimator that arises from this criterion is vastly preferred to information criterion score-based model selection and averaging estimators. Our analysis is complicated by the fact that the VCPLM is subject to uncertainty arising not only from the choice of covariates, but also whether the covariate should enter the parametric or nonparametric parts of the model. Supplementary materials for this article are available online.