Miscellanea. A note on design transformation and binning in nonparametric curve estimation
杂记：非参数曲线估计中的设计变换与等数量分箱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：摘要讨论通用非参数曲线估计、设计变换与小波方法，未提供足以对应所列经济计量细分领域的直接证据。
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
杂记：非参数曲线估计中的设计变换与等数量分箱
- 研究问题
- 在非参数曲线估计中，如何处理设计点稀疏或随机分布带来的困难，并兼顾估计的理论性质及信号特征的保留？
- 方法与思路
- 作者采用设计变换和等数量分箱，将其分别与局部线性平滑及小波技术结合，分析变换后的估计性质与随机设计问题。
- 材料陈述的贡献
- 摘要称这些方法可缓解设计稀疏性；结合局部线性平滑可获得特定意义的最优估计，结合小波时可避免预平滑造成的损失。
- 阅读关注点
- 应核对变换后最优性的定义、分箱及反变换步骤，并检查不损伤信号特征、不增加方差的结论所依赖的条件和比较对象。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要。摘要未给出最优性准则及完整条件，不能把所述优点推广到所有设计与信号。
原文摘要
Methods based on design transformation and equal-number binning are shown to overcome problems of design sparseness, while retaining excellent theoretical properties. In company with local linear smoothing they produce optimal estimators, although with optirnality defined a little differently from in the nontransformed case. When used in conjunction with wavelet techniques they overcome problems of stochastic design, but, unlike related techniques based on convolution and interpolation, do not degrade features of the signal through prior smoothing, or inflate the variance.