Optimal uniform convergence rates and asymptotic normality for series estimators under weak dependence and weak conditions
弱依赖与弱条件下级数估计量的最优一致收敛率及渐近正态性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：摘要研究一般非参数级数回归及弱依赖概率工具，未明确对应所列的特定经济应用或模型细分方向。
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
弱依赖与弱条件下级数估计量的最优一致收敛率及渐近正态性
- 研究问题
- 弱依赖解释变量和厚尾误差下，样条与小波级数回归能否达到最优上确界收敛率，并支持不规则泛函的统计推断？
- 方法与思路
- 作者推导弱依赖随机矩阵和的新指数不等式，据此分析级数回归的一致误差，并建立条件均值泛函的统计量极限结果。
- 材料陈述的贡献
- 摘要称估计量达到最优速率，并允许特定有限矩条件的厚尾鞅差误差；同时建立可能非线性、不规则泛函的t统计量渐近正态性。
- 阅读关注点
- 应核对弱依赖的具体定义、基函数与级数维度条件，以及d/p小于2时有限绝对矩要求如何进入收敛率和推断证明。
- 阅读边界
- 仅据所给出版社摘要，无法确定适用的全部依赖过程与泛函类别；最优速率和渐近正态性均不能脱离正文条件使用。
原文摘要
We show that spline and wavelet series regression estimators for weakly dependent regressors attain the optimal uniform (i.e. sup-norm) convergence rate (n/logn)−p/(2p+d) of Stone (1982), where d is the number of regressors and p is the smoothness of the regression function. The optimal rate is achieved even for heavy-tailed martingale difference errors with finite (2+(d/p))th absolute moment for d/p<2. We also establish the asymptotic normality of t statistics for possibly nonlinear, irregular functionals of the conditional mean function under weak conditions. The results are proved by deriving a new exponential inequality for sums of weakly dependent random matrices, which is of independent interest.