Identification and estimation of interaction effects in nonparametric additive regression
非参数加性回归中交互效应的识别与估计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：摘要讨论一般非参数回归的主效应与交互分解，没有明确处理效应或其他所列领域的应用依据。
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…
非参数加性回归中交互效应的识别与估计
- 研究问题
- 如何在非参数加性回归中区分单变量主效应与无法由主效应解释的联合影响，使交互效应具有清晰解释？
- 方法与思路
- 作者重新表述加性交互模型，使交互效应在L²意义下与相应主效应正交，并开发主效应及交互效应的估计方法。
- 材料陈述的贡献
- 摘要称，新表述能够更清楚地分离联合影响，给出估计量的渐近L²误差率，并提供模拟与真实数据证据。
- 阅读关注点
- 应核对正交性所依据的概率测度、模型分解的唯一性与识别条件，以及估计步骤、误差率和相关协变量的处理。
- 阅读边界
- 仅依据所给Crossref摘要；所谓温和技术条件及误差率未列出，回归交互效应的识别也不能直接视为因果交互效应识别。
原文摘要
Abstract A new formulation of the additive interaction model is introduced. In contrast to existing approaches, the new formulation separates well the joint effects of covariates that cannot be accounted for by individual main effects. The new approach enables correct interpretation of interaction effects by making them orthogonal to the associated main effects in the $ L^{2} $ sense. A new method is developed to estimate the resulting main and interaction effects. Asymptotic $ L^{2} $ error rates are derived for the estimators under mild technical conditions. Numerical evidence is provided via simulation studies and real-data examples.