Asymptotic properties of penalized spline estimators in concave extended linear models: Rates of convergence
凹扩展线性模型中惩罚样条估计量的渐近性质：收敛速率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：摘要核心是跨多种应用的通用惩罚样条理论，没有足够依据优先归入某一专门领域。
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
凹扩展线性模型中惩罚样条估计量的渐近性质：收敛速率
- 研究问题
- 当广义似然泛函对候选函数为凹时，样条次数、惩罚阶数、函数光滑性及节点数量怎样共同影响估计收敛速率？
- 方法与思路
- 作者构建涵盖条件、准及伪似然的惩罚样条速率理论，分析节点数量与惩罚参数的相互作用，并应用于多种函数估计问题。
- 材料陈述的贡献
- 摘要称，理论允许所述各参数的可行组合，覆盖回归、密度、风险函数、分位数与谱密度估计；多维结果另载补充材料。
- 阅读关注点
- 核对凹性和正则条件、节点数与惩罚参数的渐近搭配，并按具体应用确认速率结论；多维理论需另查补充材料。
- 阅读边界
- 仅据所给 OpenAlex 摘要；具体速率、范数和正则条件未说明，不能将应用清单视为已核对的定理，也未读取所述补充材料。
原文摘要
This paper develops a general theory on rates of convergence of penalized spline estimators for function estimation when the likelihood functional is concave in candidate functions, where the likelihood is interpreted in a broad sense that includes conditional likelihood, quasi-likelihood and pseudo-likelihood. The theory allows all feasible combinations of the spline degree, the penalty order and the smoothness of the unknown functions. According to this theory, the asymptotic behaviors of the penalized spline estimators depends on interplay between the spline knot number and the penalty parameter. The general theory is applied to obtain results in a variety of contexts, including regression, generalized regression such as logistic regression and Poisson regression, density estimation, conditional hazard function estimation for censored data, quantile regression, diffusion function estimation for a diffusion type process and estimation of spectral density function of a stationary time series. For multidimensional function estimation, the theory (presented in the Supplementary Material) covers both penalized tensor product splines and penalized bivariate splines on triangulations.