Higher-order Refinements of Small Bandwidth Asymptotics for Density-Weighted Average Derivative Estimators
密度加权平均导数估计的小带宽渐近高阶改进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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究通用回归函数平均导数的核估计与高阶近似，未明确对应给定的因果、结构或分布效应方向。
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…
密度加权平均导数估计的小带宽渐近高阶改进
- 研究问题
- 核密度加权平均导数估计中，传统渐近线性近似对带宽敏感时，小带宽渐近能否在高阶分布意义上改善推断？
- 方法与思路
- 作者采用 Edgeworth 展开，比较小带宽渐近与传统渐近线性近似，并允许点估计量不具备渐近线性表示。
- 材料陈述的贡献
- 摘要称，小带宽渐近所导出的推断程序具有更优的高阶分布性质，为此前模拟观察到的有限样本优势提供理论解释。
- 阅读关注点
- 应核对带宽和模型条件、展开余项的控制、学生化方式，以及高阶优势具体体现在哪类分布误差或推断指标上。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未给出误差阶和带宽范围，不能据此断言任意带宽均更优。
原文摘要
The density weighted average derivative (DWAD) of a regression function is a canonical parameter of interest in economics. Classical first-order large sample distribution theory for kernel-based DWAD estimators relies on tuning parameter restrictions and model assumptions that imply an asymptotic linear representation of the point estimator. These conditions can be restrictive, and the resulting distributional approximation may not be representative of the actual sampling distribution of the statistic of interest. In particular, the approximation is not robust to bandwidth choice. Small bandwidth asymptotics offers an alternative, more general distributional approximation for kernel-based DWAD estimators that allows for, but does not require, asymptotic linearity. The resulting inference procedures based on small bandwidth asymptotics were found to exhibit superior finite sample performance in simulations, but no formal theory justifying that empirical success is available in the literature. Employing Edgeworth expansions, this paper shows that small bandwidth asymptotic approximations lead to inference procedures with higher-order distributional properties that are demonstrably superior to those of procedures based on asymptotic linear approximations.