Two-step spline estimating equations for generalized additive partially linear models with large cluster sizes
大簇样本下广义可加部分线性模型的两步样条估计方程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：摘要讨论一般聚类数据与半参数回归，未明确面板结构或所列其他专门方向，因此暂不细分。
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
大簇样本下广义可加部分线性模型的两步样条估计方程
- 研究问题
- 当独立受试者数量增加时，每个簇的观测数也可增长；作者研究这种数据结构下如何估计参数与非参数函数分量。
- 方法与思路
- 作者提出基于估计方程的两步样条程序，用于处理聚类数据，并通过连续及二元响应模拟和美国失业数据展示方法。
- 材料陈述的贡献
- 摘要称，各函数分量的两步估计具有预言性质，并给出估计量的渐近分布与一致性；模拟结果支持所述渐近结论。
- 阅读关注点
- 应核对簇大小允许的增长速度、簇内相关结构及样条选择条件，尤其是预言性质比较的基准和成立范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体增长率、正则条件和模拟数值未说明，不能据此推断刊本细节。
原文摘要
We propose a two-step estimating procedure for generalized additive partially linear models with clustered data using estimating equations. Our proposed method applies to the case that the number of observations per cluster is allowed to increase with the number of independent subjects. We establish oracle properties for the two-step estimator of each function component such that it performs as well as the univariate function estimator by assuming that the parametric vector and all other function components are known. Asymptotic distributions and consistency properties of the estimators are obtained. Finite-sample experiments with both simulated continuous and binary response variables confirm the asymptotic results. We illustrate the methods with an application to a U.S. unemployment data set.