SMOOTH VARYING-COEFFICIENT ESTIMATION AND INFERENCE FOR QUALITATIVE AND QUANTITATIVE DATA
兼容定性与定量数据的平滑变系数估计与推断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：摘要研究兼容混合类型协变量的一般变系数方法，定性协变量不等于离散选择结果，也未明确其他所列细分方向。
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…
关注这篇论文的作者
兼容定性与定量数据的平滑变系数估计与推断
- 研究问题
- 如何在变系数模型中同时处理定性与定量协变量、选择平滑带宽，并检验参数化变系数设定是否正确？
- 方法与思路
- 作者提出半参数变系数估计与设定检验，采用兼容两类协变量及潜在无关变量的交叉验证带宽选择，并开展模拟比较。
- 材料陈述的贡献
- 摘要称提供收敛速度与渐近正态性，并指出该平滑方法可能相对传统按类别分样本估计取得有限样本效率增益。
- 阅读关注点
- 应核对定性变量的平滑方式、交叉验证如何处理无关协变量，以及理论条件、设定检验和传统频数估计的比较设计。
- 阅读边界
- 仅据所给 Crossref 摘要，效率增益的条件和数值未说明；列举的层级与小区域应用只是潜在用途，不能视为已完成验证。
原文摘要
We propose a semiparametric varying-coefficient estimator that admits both qualitative and quantitative covariates along with a test for correct specification of parametric varying-coefficient models. The proposed estimator is exceedingly flexible and has a wide range of potential applications including hierarchical (mixed) settings, small area estimation, etc. A data-driven cross-validatory bandwidth selection method is proposed that can handle both the qualitative and quantitative covariates and that can also handle the presence of potentially irrelevant covariates, each of which can result in finite-sample efficiency gains relative to the conventional frequency (sample-splitting) estimator that is often found in such settings. Theoretical underpinnings including rates of convergence and asymptotic normality are provided. Monte Carlo simulations are undertaken to assess the proposed estimator’s finite-sample performance relative to the conventional semiparametric frequency estimator and to assess the finite-sample performance of the proposed test for correct parametric specification.