A General Framework for Circular Local Likelihood Regression
圆周协变量局部似然回归的一般框架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：圆周协变量回归属于通用统计方法，摘要未明确涉及所列经济计量细分问题。
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…
圆周协变量局部似然回归的一般框架
- 研究问题
- 当协变量具有圆周取值结构、响应的条件分布可由参数模型描述时，如何非参数估计条件特征，并处理平滑参数与推断问题？
- 方法与思路
- 作者通过最大化圆周局部似然估计条件特征，分析偏差、方差与渐近正态性，并讨论平滑参数选择和多种响应分布下的实施。
- 材料陈述的贡献
- 摘要称提供统一的圆周局部似然框架及估计量渐近正态性，模拟涵盖高斯、伯努利、泊松与 Gamma 响应，并给出实际应用。
- 阅读关注点
- 应核对圆周邻域与局部似然的定义、条件分布设定要求、偏差处理，以及平滑参数选择对估计精度和推断有效性的影响。
- 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；摘要未说明具体正则条件、带宽规则或应用结果。
原文摘要
This article presents a general framework for the estimation of regression models with circular covariates, where the conditional distribution of the response given the covariate can be specified through a parametric model. The estimation of a conditional characteristic is carried out nonparametrically, by maximizing the circular local likelihood, and the estimator is shown to be asymptotically normal. The problem of selecting the smoothing parameter is also addressed, as well as bias and variance computation. The performance of the estimation method in practice is studied through an extensive simulation study, where we cover the cases of Gaussian, Bernoulli, Poisson, and Gamma distributed responses. The generality of our approach is illustrated with several real-data examples from different fields. Supplementary materials for this article are available online.