A Geometrical Method for Removing Edge Effects from Kernel-Type Nonparametric Regression Estimators
消除核型非参数回归边界效应的几何方法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：摘要涉及通用非参数回归与边界修正，未明确指向所列经济或金融细分方向。
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
消除核型非参数回归边界效应的几何方法
- 研究问题
- 核型非参数回归在设计区间端点附近容易出现边界效应，如何通过数据扩展改善估计并让交叉验证覆盖端点？
- 方法与思路
- 作者在两个估计点反射原始数据，使扩展数据的取值范围达到原范围的三倍，再应用常规核型估计并构造对应的留一交叉验证。
- 材料陈述的贡献
- 摘要称该几何方法适用于规则和随机间隔设计，其交叉验证可延伸至设计区间两端，避免常规方法为边界问题而降低端点权重。
- 阅读关注点
- 应核对两个反射点的估计方式、扩展数据的构造规则、端点误差分析，以及留一时如何处理原观察值及其反射副本。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出边界消除的条件、误差界或比较结果，不能理解为所有边界偏差均被消除。
原文摘要
We introduce a simple geometric method for removing edge effects from kernel-type nonparametric regression estimators. It involves reflecting the data set in two estimated points, thereby generating a new data set with three times the range of the original data. The usual kernel-type estimator may be applied to the new, enlarged data set, without any danger of edge effects. This technique is applicable generally to both regularly spaced and randomly spaced designs and admits a natural analog of leave-one-out cross-validation. The new cross-validation algorithm may be extended to the very ends of the design interval, unlike its more conventional counterpart, which must be downweighted at the ends of the interval to avoid edge effects.