Uniform convergence of weighted sums of non and semiparametric residuals for estimation and testing
用于估计与检验的非参数及半参数残差加权和的一致收敛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：摘要明确提供带选择的二元选择模型估计量及其平均结构函数设定检验。
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…
用于估计与检验的非参数及半参数残差加权和的一致收敛
- 研究问题
- 当带宽由数据决定、修剪随机且效率权重需要估计时，如何对核回归残差的加权和建立可用于估计与检验的一致展开？
- 方法与思路
- 作者推导非参数及半参数核回归残差加权和的新一致展开，给出带选择的二元选择估计与方向性设定检验作为例子。
- 材料陈述的贡献
- 摘要称该展开支持处理数据依赖带宽、随机修剪和估计权重，并提供核估计一致速率及常见高层假设的原始充分条件。
- 阅读关注点
- 应核对一致性覆盖的索引范围、带宽与修剪限制、估计权重的影响，以及二元选择例子中平均结构函数检验的方向设定。
- 阅读边界
- 摘要未给出展开余项速率、具体正则条件或有限样本证据；示例的适用性不代表所有选择机制和核估计方法均满足理论条件。
原文摘要
A new uniform expansion is introduced for sums of weighted kernel-based regression residuals from nonparametric or semiparametric models. This expansion is useful for deriving asymptotic properties of semiparametric estimators and test statistics with data-dependent bandwidths, random trimming, and estimated efficiency weights. Provided examples include a new estimator for a binary choice model with selection and an associated directional test for specification of this model’s average structural function. An appendix contains new results on uniform rates for kernel estimators and primitive sufficient conditions for high level assumptions commonly used in semiparametric estimation.