A Comparison of Variance Estimators in Nonparametric Regression
非参数回归中方差估计量的比较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：摘要研究通用非参数回归的误差方差估计，未明确对应所列经济计量细分领域。
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
非参数回归中方差估计量的比较
- 研究问题
- 基于平滑样条拟合残差二次型的两种误差方差估计量，在不同平滑参数以及数据驱动选择参数时表现有何差异？
- 方法与思路
- 作者比较两种残差二次型方差估计方法，考察整个平滑参数范围及数据驱动的参数选择，并讨论替代方法的计算负担。
- 材料陈述的贡献
- 摘要称，常用方差估计量在平滑参数较小时会低估误差方差；一种简单但计算量更大的替代估计量没有这一缺陷。
- 阅读关注点
- 应核对两个二次型和自由度校正的定义、平滑参数约定、数据驱动选择规则，以及偏差比较与计算代价的适用范围。
- 阅读边界
- 仅依据所给Crossref摘要；具体误差条件、偏差幅度和替代方法公式未说明，避免低估不意味着其整体风险必然更小。
原文摘要
SUMMARY We compare two estimators of error variance, both based on quadratic forms in the residuals about smoothing spline fits to data. The estimators are compared over the whole range of values of the smoothing parameter as well as for data-based choices of the smoothing parameter. We show that the commonly used estimator of variance has the serious drawback of underestimating the error variance for small choices of the smoothing parameter. This drawback is not shared by a simple, but more computationally intensive, alternative.