Warped functional regression
时间扭曲函数型回归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：摘要研究一般函数型回归并应用于臭氧轨迹，未提供宏观预测或金融收益预测的领域依据。
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…
关注这篇论文的作者
时间扭曲函数型回归
- 研究问题
- 函数型数据同时存在相位变化和幅度变化时，如何把时间变形纳入回归模型，并对两类变化进行统一统计推断？
- 方法与思路
- 作者将时间扭曲作为函数型回归模型的内在组成部分，推导估计量的渐近分布，并通过模拟和臭氧轨迹应用考察方法。
- 材料陈述的贡献
- 摘要称方法以简约模型获得良好预测能力，并支持相位和幅度成分的统一推断；具体预测指标和数值改进未给出。
- 阅读关注点
- 应核对时间变形与幅度成分的可识别性、模型复杂度如何选择，以及渐近分布条件和预测比较的评价方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模型约束和预测证据未说明，不能推断其在其他函数型数据上的表现。
原文摘要
A characteristic feature of functional data is the presence of phase variability in addition to amplitude variability. Existing functional regression methods do not handle time variability in an explicit and efficient way. In this paper we introduce a functional regression method that incorporates time warping as an intrinsic part of the model. The method achieves good predictive power in a parsimonious way and allows unified statistical inference about phase and amplitude components. The asymptotic distribution of the estimators is derived and their finite-sample properties are studied by simulation. An application involving ground-level ozone trajectories is presented.