Simultaneous inference for monotone and smoothly time-varying functions under complex temporal dynamics
复杂时间动态下单调平滑时变函数的同时推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究具有时间依赖的多变量序列趋势及平滑时变回归系数，主要文本依据支持时间序列方向。
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
复杂时间动态下单调平滑时变函数的同时推断
- 研究问题
- 在复杂时间依赖下，如何对单调且平滑变化的趋势或回归系数进行同时推断，并构造具有正确覆盖率的置信带？
- 方法与思路
- 作者结合单调重排和非参数估计，利用单调估计量的高斯近似及专门设计的自助法，构造渐近有效的同时置信带。
- 材料陈述的贡献
- 摘要称框架覆盖中等高维序列趋势与时变回归系数，并在温度和日照应用中开展联合推断；理论与模拟支持方法有效性。
- 阅读关注点
- 应核对时间依赖、维度增长、平滑性及单调性条件，自助法如何保留依赖，以及带宽选择和置信带宽度比较依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实；摘要未给出复杂动态的具体范围，最窄置信带的陈述限于报告的比较情形。
原文摘要
We propose a new framework for the simultaneous inference of monotone and smoothly time-varying functions under complex temporal dynamics. This will be done utilizing the monotone rearrangement and the nonparametric estimation. We capitalize the Gaussian approximation for the nonparametric monotone estimator and construct the asymptotically correct simultaneous confidence bands (SCBs) using designed bootstrap methods. We investigate two general and practical scenarios. The first is the simultaneous inference of monotone smooth trends from moderately high-dimensional time series. The proposed algorithm has been employed for the joint inference of temperature curves from multiple areas. Specifically, most existing methods are designed for a single monotone smooth trend. In such cases, our proposed SCB empirically exhibits the narrowest width among existing approaches while maintaining confidence levels. It has also been used for testing several hypotheses tailored to global warming. The second scenario involves simultaneous inference of monotone and smoothly time-varying regression coefficients in time-varying coefficient linear models. The proposed algorithm has been utilized for testing the impact of sunshine duration on temperature which is believed to be increasing due to severe greenhouse effect. The validity of the proposed methods has been justified in theory as well as by extensive simulations.