Bandwidth Choice for Average Derivative Estimation
平均导数估计的带宽选择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：核心是通用非参数核估计与带宽理论，需求定律实例不足以支持所列具体领域分类。
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…
平均导数估计的带宽选择
- 研究问题
- 如何为回归函数平均导数的核估计选择带宽，使方差与偏差之间的权衡能够反映较低阶误差项，而非仅依赖主导项？
- 方法与思路
- 作者推导方差和平方偏差的渐近表示，据此讨论带宽优化，并通过与需求定律相关的经济实例考察理论结论的实际适用性。
- 材料陈述的贡献
- 摘要称给出有解释力的带宽表示，并指出维度超过一时需使用可取负值的核，以防偏差项主导均方误差的渐近表达。
- 阅读关注点
- 应核对平均导数估计量、核与光滑性条件、带宽优化的误差阶及实例实现；摘要中误差阶的排版需查原文确认。
- 阅读边界
- 来源为稿件版本未注明的OpenAlex索引摘要；其中n-1的排版含义需核对原PDF，摘要未说明完整正则条件或实践表现。
原文摘要
The average derivative is the expected value of the derivative of a regression function. Kernel methods have been proposed as a means of estimating this quantity. The problem of bandwidth selection for these kernel estimators is addressed here. Asymptotic representations are found for the variance and squared bias. These are compared with each other to find an insightful representation for a bandwidth optimizing terms of lower order than n-1. It is interesting that, for dimensions greater than 1, negative kernels have to be used to prevent domination of bias terms in the asymptotic expression of the mean squared error. The extent to which the theoretical conclusions apply in practice is investigated in an economical example related to the so-called "law of demand."