On Local Smoothing of Nonparametric Curve Estimators
非参数曲线估计的局部平滑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：摘要讨论通用密度估计与非参数回归平滑，未提供足以归入所列经济计量细分的依据。
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…
非参数曲线估计的局部平滑
- 研究问题
- 在密度估计与非参数回归中，如何让平滑带宽随曲线的局部特征连续变化，从而适应不同区域的平滑需求？
- 方法与思路
- 作者将交叉验证和平滑交叉验证构造成局部版本，通过平滑变化的带宽捕捉曲线局部波动，覆盖密度估计和回归场景。
- 材料陈述的贡献
- 摘要称这些方法具有局部适应性，并兼具准确、易用和计算便捷的特点；但未提供这些评价的具体衡量标准或结果。
- 阅读关注点
- 应核对局部验证准则的定义、带宽函数的构造、边界区域的处理，以及准确性和计算效率分别由哪些理论或实验支持。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。摘要未说明光滑性条件、收敛性质及性能比较范围。
原文摘要
We develop new local versions of familiar smoothing methods, such as cross-validation and smoothed cross-validation, in the contexts of density estimation and regression. These new methods are locally adaptive in the sense that they capture smooth local fluctuations in the curve by using smoothly varying bandwidths that change as the character of the curve changes. Moreover, the new methods are accurate, easy to apply, and computationally expedient.