A Cross-Validatory Choice of Smoothing Parameter in Adaptive Location Estimation
自适应位置估计中平滑参数的交叉验证选择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：摘要讨论一般位置参数的自适应估计，没有对应所列经济或金融细分的明确证据。
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
自适应位置估计中平滑参数的交叉验证选择
- 研究问题
- 构造基于核方法的自适应位置估计量时，如何由数据选择平滑带宽，并兼顾自适应性质、有限样本表现和计算成本？
- 方法与思路
- 作者对有效得分函数的核估计构造交叉验证准则，通过最小化该准则选择带宽，并研究所得位置估计量及模拟表现。
- 材料陈述的贡献
- 摘要称数据驱动带宽仍可得到自适应估计量；模拟中其表现良好，与bootstrap选带宽方法相近且有明显计算优势。
- 阅读关注点
- 应核对交叉验证准则的具体形式、自适应结论的正则条件，以及模拟比较使用的分布、样本量和计算成本计量方式。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，不能推断刊本变化；摘要未提供模拟数值或运行时间，不能将计算优势推广至所有情境。
原文摘要
Abstract This article proposes a new data-driven method for selecting the smoothing parameter involved in constructing kernel-based adaptive location estimators. The method consists of minimizing a cross-validatory criterion with respect to the bandwidth occurring in the kernel-type estimators of the efficient score function. It is shown that the location estimator with a data-driven bandwidth selector is indeed an adaptive estimator. A simulation study reveals that the method is also practicable, showing that our estimator performs well in comparison with some other well-known location estimators. It also shows that our method has comparable finite sample performance with the bootstrap method of selecting the smoothing parameter and yet has great computational advantages.