Statistical estimation in varying coefficient models
变系数模型中的统计估计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：摘要研究通用变系数回归与平滑估计，未明确对应给定的计量细分方向。
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
变系数模型中的统计估计
- 研究问题
- 当不同回归系数函数具有不同平滑程度时，简单局部回归的一步估计为何可能不足，如何改善估计速率？
- 方法与思路
- 作者针对系数函数平滑程度不一致的问题提出两步估计，推导渐近均方误差，并通过模拟和环境数据应用考察表现。
- 材料陈述的贡献
- 摘要称一步法在不同平滑程度下不能达到最优，而两步法达到最优收敛速率，部分模拟显示收益可能较大。
- 阅读关注点
- 应核对两步估计的具体构造、带宽如何适应不同平滑程度，以及最优速率的函数类和模拟比较条件。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；速率表达式、模拟数值和环境数据细节未说明，不能断言普遍改进。
原文摘要
Varying coefficient models are a useful extension of classical linear models. They arise naturally when one wishes to examine how regression coefficients change over different groups characterized by certain covariates such as age. The appeal of these models is that the coef .cient functions can easily be estimated via a simple local regression.This yields a simple one-step estimation procedure. We show that such a one-step method cannot be optimal when different coefficient functions admit different degrees of smoothness. This drawback can be repaired by using our proposed two-step estimation procedure.The asymptotic mean-squared error for the two-step procedure is obtained and is shown to achieve the optimal rate of convergence. A few simulation studies show that the gain by the two-step procedure can be quite substantial.The methodology is illustrated by an application to an environmental data set.