Estimation and testing for partially linear single-index models
部分线性单指标模型的估计与检验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：摘要研究一般半参数单指标回归，未明确给出离散响应、选择行为或其他所列领域的专门结构。
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…
部分线性单指标模型的估计与检验
- 研究问题
- 在部分线性单指标模型中，如何有效估计回归系数、同时选择变量，并检验参数部分的线性假设与非参数部分的拟合？
- 方法与思路
- 作者采用剖面最小二乘估计，以SCAD惩罚联合选变量和估系数，使用BIC选择调参，并构造参数及非参数部分的检验。
- 材料陈述的贡献
- 摘要称，剖面估计具有半参数效率，SCAD估计一致且有预言性质，BIC可一致识别真实模型，并给出两类检验与模拟。
- 阅读关注点
- 应核对单指标归一化、平滑与惩罚参数条件、模型维度和信号要求，以及效率、预言性质和模型选择一致性的适用范围。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；具体正则条件、维度设定和检验校准未说明，不能视为一般高维保证，单指标模型也不自动属于离散选择。
原文摘要
In partially linear single-index models, we obtain the semiparametrically efficient profile least-squares estimators of regression coefficients. We also employ the smoothly clipped absolute deviation penalty (SCAD) approach to simultaneously select variables and estimate regression coefficients. We show that the resulting SCAD estimators are consistent and possess the oracle property. Subsequently, we demonstrate that a proposed tuning parameter selector, BIC, identifies the true model consistently. Finally, we develop a linear hypothesis test for the parametric coefficients and a goodness-of-fit test for the nonparametric component, respectively. Monte Carlo studies are also presented.