On Variable Bandwidth Selection in Local Polynomial Regression
局部多项式回归的可变带宽选择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：摘要讨论通用非参数回归带宽选择，未给出所列经济计量细分领域的直接依据。
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…
局部多项式回归的可变带宽选择
- 研究问题
- 局部多项式回归中，小带宽与较大带宽下的偏差近似各有局限时，如何构造更有效的数据驱动带宽选择程序？
- 方法与思路
- 作者比较基于泰勒展开和不同阶局部多项式之差的偏差估计，将二者组合为混合估计，再最小化近似条件均方误差。
- 材料陈述的贡献
- 摘要称，混合偏差估计兼顾不同带宽范围，使带宽选择具有良好渐近性质，并在所报告的蒙特卡洛实例中表现良好。
- 阅读关注点
- 应核对两类偏差估计的切换规则、辅助参数选择、均方误差近似条件，以及渐近结论与有限样本模拟的评价指标。
- 阅读边界
- 仅据 Crossref 摘要；摘要未给出混合构造的细节和模拟数值，所述有限样本表现限于作者报告的实验设定。
原文摘要
Summary The performances of data-driven bandwidth selection procedures in local polynomial regression are investigated by using asymptotic methods and simulation. The bandwidth selection procedures considered are based on minimizing ‘prelimit’ approximations to the (conditional) mean-squared error (MSE) when the MSE is considered as a function of the bandwidth h. We first consider approximations to the MSE that are based on Taylor expansions around h=0 of the bias part of the MSE. These approximations lead to estimators of the MSE that are accurate only for small bandwidths h. We also consider a bias estimator which instead of using small h approximations to bias naïvely estimates bias as the difference of two local polynomial estimators of different order and we show that this estimator performs well only for moderate to large h. We next define a hybrid bias estimator which equals the Taylor-expansion-based estimator for small h and the difference estimator for moderate to large h. We find that the MSE estimator based on this hybrid bias estimator leads to a bandwidth selection procedure with good asymptotic and, for our Monte Carlo examples, finite sample properties.