Local polynomial regression with correlated errors in random design and unknown correlation structure
随机设计与未知相关结构下的相关误差局部多项式回归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：摘要研究随机设计下通用非参数回归的带宽选择，相关误差本身不足以证明属于宏观时间序列或面板数据，因此留空。
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…
随机设计与未知相关结构下的相关误差局部多项式回归
- 研究问题
- 相关误差会使自动带宽选择失效；在随机设计且事先不知道误差相关结构的情况下，如何为局部多项式回归选择合适带宽？
- 方法与思路
- 作者将此前固定设计下的研究扩展到随机设计，提出无需事先掌握相关结构的带宽选择准则，并分析特定核函数下的渐近性质。
- 材料陈述的贡献
- 摘要称，所提准则在核函数于原点取零的条件下具有渐近最优性，并将相关误差下的带宽选择扩展至未知相关结构情形。
- 阅读关注点
- 应核对误差相关性与随机设计的具体条件、核函数限制、带宽准则的构造，以及渐近最优性对应的损失和比较范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；相关性条件、准则公式及最优性标准未说明，不能推断刊本变化或有限样本保证。
原文摘要
Automated or data-driven bandwidth selection methods tend to break down in the presence of correlated errors. While this problem has previously been studied in the fixed design setting for kernel regression, the results were applicable only when there is knowledge about the correlation structure. This article generalizes these results to the random design setting and addresses the problem in situations where no prior knowledge about the correlation structure is available. We establish the asymptotic optimality of our proposed bandwidth selection criterion based on kernels |$K$| satisfying |$K(0)=0$|.