Shapley Curves: A Smoothing Perspective
Shapley 曲线：平滑估计视角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：摘要研究一般非参数变量重要性理论，车辆价格应用不足以确定给定列表中的专门计量方向。
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…
Shapley 曲线：平滑估计视角
- 研究问题
- 如何从非参数平滑视角定义总体层面的 Shapley 变量重要性，并为其估计建立收敛理论和有限样本推断方法？
- 方法与思路
- 作者以条件期望函数和协变量分布定义 Shapley 曲线，分析两类主要估计策略，并设计捕捉低阶项的野生自助法。
- 材料陈述的贡献
- 摘要称，论文给出极小极大收敛率和渐近正态性，提出专门的野生自助程序，并通过数值研究与车辆价格应用展示方法。
- 阅读关注点
- 应核对 Shapley 曲线的总体定义、两类估计策略与平滑条件，以及低阶项为何影响推断和自助法如何处理它们。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，无法判断具体收敛率或推断误差；变量重要性不能直接解释为因果效应，版本变化未说明。
原文摘要
This article fills the limited statistical understanding of Shapley values as a variable importance measure from a nonparametric (or smoothing) perspective.We introduce population-level Shapley curves to measure the true variable importance, determined by the conditional expectation function and the distribution of covariates.Having defined the estimand, we derive minimax convergence rates and asymptotic normality under general conditions for the two leading estimation strategies.For finite sample inference, we propose a novel version of the wild bootstrap procedure tailored for capturing lower-order terms in the estimation of Shapley curves.Numerical studies confirm our theoretical findings, and an empirical application analyzes the determining factors of vehicle prices.