Robust Nonparametric Regression Estimation for Dependent Observations
依赖观测下的稳健非参数回归估计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：摘要明确研究混合依赖过程中的自回归估计，与时间序列方法直接相关，但未指定宏观应用。
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
依赖观测下的稳健非参数回归估计
- 研究问题
- 当观测具有混合型依赖时，如何构造稳健的非参数回归与自回归估计，并在较弱条件下保证强一致性？
- 方法与思路
- 作者针对 φ 混合与 α 混合过程，提出两类 M 型稳健等变估计量，分别结合核方法和 k 近邻核方法。
- 材料陈述的贡献
- 摘要称，两类估计量在温和条件下具有强一致性；其中普通核方法一类的结论不另要求观测的分布假设。
- 阅读关注点
- 应核对混合条件、损失函数与等变性的定义，以及带宽、近邻数和回归函数条件，区分分布限制与依赖限制。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；“无分布假设”不等于无条件，摘要未列完整正则条件，也未说明收敛速度。
原文摘要
Robust nonparametric estimators for regression and autoregression are proposed for $\varphi$- and $\alpha$-mixing processes. Two families of $M$-type robust equivariant estimators are considered: (i) estimators based on kernel methods and (ii) estimators based on $k$-nearest neighbor kernel methods. Strong consistency of both families is proved under mild conditions. For the first class the result is true under no assumptions whatsoever on the distribution of the observations.