Data-Driven Bandwidth Selection for Nonstationary Semiparametric Models
非平稳半参数模型的数据驱动带宽选择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：摘要以非平稳数据的半参数回归和带宽渐近性质为核心，直接对应时间序列方法，但未限定具体宏观经济应用。
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…
非平稳半参数模型的数据驱动带宽选择
- 研究问题
- 非平稳数据下，传统最小二乘交叉验证选择的带宽具有怎样的渐近行为，局部常数与局部线性估计的带宽收敛速度是否相同？
- 方法与思路
- 作者将传统最小二乘交叉验证带宽选择的渐近分析扩展至非平稳半参数回归，比较局部常数与局部线性方法，并开展蒙特卡洛模拟。
- 材料陈述的贡献
- 摘要称所选带宽即使渐近地仍具有随机性，且两类方法的带宽趋于零的速度不同；这些性质区别于独立或弱依赖数据下的已有结果。
- 阅读关注点
- 应核对非平稳性设定、带宽随机性的渐近表述、两类估计的收敛速率及模拟配置，确认适用模型与误差依赖范围。
- 阅读边界
- 摘要未说明非平稳过程的具体类型、正则条件与模拟设计；方法“效果良好”是作者的概括，不能据此判断所有非平稳模型都适用。
原文摘要
This article extends the asymptotic results of the traditional least squares cross-validatory (CV) bandwidth selection method to semiparametric regression models with nonstationary data. Two main findings are that (a) the CV-selected bandwidth is stochastic even asymptotically and (b) the selected bandwidth based on the local constant method converges to 0 at a different speed than that based on the local linear method. Both findings are in sharp contrast to existing results when working with weakly dependent or independent data. Monte Carlo simulations confirm our theoretical results and show that the automatic data-driven method works well.