A Functional Varying-Coefficient Single-Index Model for Functional Response Data
函数型响应数据的函数型变系数单指标模型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：摘要研究函数型回归与影像数据，提及纵向方法背景并不足以确认其属于所列面板数据方向。
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…
函数型响应数据的函数型变系数单指标模型
- 研究问题
- 如何对影像等函数型响应与多个协变量的关系进行回归分析，并同时估计变系数、链接函数、指标参数和个体函数协方差？
- 方法与思路
- 作者提出函数型变系数单指标模型，迭代估计各组成部分，并研究系数函数、指标参数及协方差函数与谱的渐近性质。
- 材料陈述的贡献
- 摘要称，该模型将标量响应的变系数单指标方法扩展至函数型响应，并以模拟和 ADNI 胼胝体白质扩散资料展示应用。
- 阅读关注点
- 应核对单指标与链接函数的识别约束、函数观测和协方差估计方式，以及各类弱收敛、分布和收敛率结论的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；识别约束、渐近正则条件及影像应用的具体发现均未说明。
原文摘要
Motivated by the analysis of imaging data, we propose a novel functional varying-coefficient single index model (FVCSIM) to carry out the regression analysis of functional response data on a set of covariates of interest. FVCSIM represents a new extension of varying-coefficient single index models for scalar responses collected from cross-sectional and longitudinal studies. An efficient estimation procedure is developed to iteratively estimate varying coefficient functions, link functions, index parameter vectors, and the covariance function of individual functions. We systematically examine the asymptotic properties of all estimators including the weak convergence of the estimated varying coefficient functions, the asymptotic distribution of the estimated index parameter vectors, and the uniform convergence rate of the estimated covariance function and their spectrum. Simulation studies are carried out to assess the finite-sample performance of the proposed procedure. We apply FVCSIM to investigating the development of white matter diffusivities along the corpus callosum skeleton obtained from Alzheimer's Disease Neuroimaging Initiative (ADNI) study.