Adaptive function estimation in nonparametric regression with one-sided errors
单侧误差非参数回归中的自适应函数估计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：摘要属于通用非参数回归理论，未明确涉及因果、面板、分布效应或其他所列应用方向。
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…
单侧误差非参数回归中的自适应函数估计
- 研究问题
- 当回归函数平滑度与误差端点锐度均未知时，如何在单侧误差的非正则回归模型中实现自适应估计？
- 方法与思路
- 作者以局部极值替代通常的局部平均，结合嵌套 Lepski 方法与负 Hill 估计量构造自适应程序。
- 材料陈述的贡献
- 摘要称一般 Lq 风险下自适应不损失收敛速率，点态风险下有对数损失，并证明相应速率的最优性。
- 阅读关注点
- 应核对函数类与误差端点条件、锐度估计步骤，以及整体风险与点态风险中最优性结论的具体含义。
- 阅读边界
- 仅据版本未注明的索引摘要；误差条件、风险定义及模拟细节未提供，不能据此推断具体边界估计应用或刊本变化。
原文摘要
We consider the model of nonregular nonparametric regression where smoothness constraints are imposed on the regression function $f$ and the regression errors are assumed to decay with some sharpness level at their endpoints. The aim of this paper is to construct an adaptive estimator for the regression function $f$. In contrast to the standard model where local averaging is fruitful, the nonregular conditions require a substantial different treatment based on local extreme values. We study this model under the realistic setting in which both the smoothness degree $\beta>0$ and the sharpness degree $\mathfrak{a}\in(0,\infty)$ are unknown in advance. We construct adaptation procedures applying a nested version of Lepski’s method and the negative Hill estimator which show no loss in the convergence rates with respect to the general $L_{q}$-risk and a logarithmic loss with respect to the pointwise risk. Optimality of these rates is proved for $\mathfrak{a}\in(0,\infty)$. Some numerical simulations and an application to real data are provided.