Nonparametric spline regression with autoregressive moving average errors
具有 ARMA 误差的非参数样条回归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：摘要明确以 ARMA 模型处理自相关误差，并使用状态空间计算，直接对应时间序列。
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…
具有 ARMA 误差的非参数样条回归
- 研究问题
- 当未知函数的观测误差存在自相关，并以 ARMA 模型描述时，如何估计函数及其导数，同时控制计算成本？
- 方法与思路
- 作者用非参数样条拟合函数，通过极大似然、交叉验证或广义交叉验证估计未知参数，并将问题写成状态空间形式。
- 材料陈述的贡献
- 摘要称得到计算量为 O(n) 的函数、导数及准则计算算法，并通过较广泛的模拟和例子考察函数估计的有限样本性质。
- 阅读关注点
- 应核对样条与 ARMA 参数的联合估计、状态空间构造、线性计算复杂度的条件，以及不同调参方法的模拟表现。
- 阅读边界
- 仅据版本未注明的索引摘要；误差模型限制、调参细节及模拟数值未说明，不能据此认定某一估计准则更优。
原文摘要
We estimate by spline nonparametric regression an unknown function observed with autocorrelated errors when the errors are modelled by an autoregressive moving average model. Unknown parameters are estimated by either maximum likelihood, cross-validation or generalized cross-validation. By expressing the problem in state space form we obtain O(n) algorithms to estimate the function and its derivatives and evaluate the marginal likelihood and cross-validation functions. The finite sample properties of the function estimates are evaluated by an extensive simulation study and examples are given.