Consistency in Integral Regression Estimation with a Triangular Array of Observation Points
三角阵观测点下积分回归估计的一致性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：摘要研究多维积分回归的通用一致性理论，三角阵不等于面板数据，未提供所列细分领域的直接证据。
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…
关注这篇论文的作者
三角阵观测点下积分回归估计的一致性
- 研究问题
- 当每个样本规模对应一组不同的多维观测点时，如何一致估计连续均值回归函数关于给定分布的不定积分？
- 方法与思路
- 作者在多维单位立方体上研究积分回归估计，将已有一维估计思路推广到多维情形，并处理三角阵形式的观测点。
- 材料陈述的贡献
- 摘要称为该积分目标的特定估计量提供一致性及收敛速率结果，明确考察各样本规模下观测点随之变化的情形。
- 阅读关注点
- 应核对观测点阵列的设计条件、观测误差要求、积分估计量的定义，以及一致性和收敛速率使用的度量方式。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，无法核实观测点条件、误差结构和具体速率；结果针对积分目标，不能直接等同于函数估计。
原文摘要
Let $\mu$ be a continuous mean regression function defined on $U$, the unit cube in $N$-dimensional Euclidean space. Let $F$ be a distribution function with support in $U$, and let $M$ denote the indefinite integral of $\mu$ with respect to $F$. This paper provides consistency results, including rates of convergence, for a certain estimator of $M$ in the case that the $n$th estimate is based on observations at points $\mathbf{t}_{n1},\cdots, \mathbf{t}_{nn}$ of $U$. The estimator is the $N$-dimensional analogue of that considered by Brunk (1970).