From finite sample to asymptotics: A geometric bridge for selection criteria in spline regression
从有限样本到渐近：样条回归选择准则的几何联系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：摘要研究一般样条回归的选择准则和预测误差理论，未给出宏观预测或金融收益预测的直接文本依据。
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
从有限样本到渐近：样条回归选择准则的几何联系
- 研究问题
- 样条回归中选择准则的有限样本性质为何可能与渐近性质不同，能否通过预测误差分解建立两者之间的联系？
- 方法与思路
- 作者引入预测误差的偏差与方差分解，分析渐近时两部分的相对作用，以几何说明和数值示例解释性质差异。
- 材料陈述的贡献
- 摘要称在所研究渐近设置中偏差项主导变异项，从而解释有限样本与渐近性质的差距，并提供直观几何展示。
- 阅读关注点
- 应核对研究了哪些选择准则、样条维度与样本量如何变化，以及误差分解、偏差主导结论和数值示例的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体准则与渐近设置未提供，不能将偏差主导结论推广到所有回归或选模方法。
原文摘要
This paper studies, under the setting of spline regression, the connection between finite-sample properties of selection criteria and their asymptotic counterparts, focusing on bridging the gap between the two. We introduce a bias-variance decomposition of the prediction error, using which it is shown that in the asymptotics the bias term dominates the variability term, providing an explanation of the gap. A geometric exposition is provided for intuitive understanding. The theoretical and geometric results are illustrated through a numerical example.