Bandwidth Choice for Average Derivative Estimation
平均导数估计的带宽选择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：摘要虽涉及需求实例，但核心是平均导数核估计，未明确建立结构模型或其他所列细分框架。
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…
平均导数估计的带宽选择
- 研究问题
- 如何为回归函数平均导数的核估计选择带宽，使均方误差中较低阶的项得到优化，并处理维度对偏差的影响？
- 方法与思路
- 作者推导方差与偏差平方的渐近表示，通过比较这些项分析带宽，并在与需求定律相关的经济实例中考察适用性。
- 材料陈述的贡献
- 摘要称得到低阶误差项的最优带宽表示，并指出维度大于一时需使用取负值的核以避免偏差项主导。
- 阅读关注点
- 应核对平均导数的目标定义、带宽优化涉及的误差项、取负值核的构造，以及经济实例对理论适用性的支持。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；具体阶数公式与正则条件需核对原文，需求实例不足以说明一般结构识别。
原文摘要
Abstract The average derivative is the expected value of the derivative of a regression function. Kernel methods have been proposed as a means of estimating this quantity. The problem of bandwidth selection for these kernel estimators is addressed here. Asymptotic representations are found for the variance and squared bias. These are compared with each other to find an insightful representation for a bandwidth optimizing terms of lower order than n –1. It is interesting that, for dimensions greater than 1, negative kernels have to be used to prevent domination of bias terms in the asymptotic expression of the mean squared error. The extent to which the theoretical conclusions apply in practice is investigated in an economical example related to the so-called “law of demand.”