Regressions with Berkson errors in covariates—A nonparametric approach
协变量含 Berkson 型误差的回归：非参数方法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：摘要明确以工具变量建立含测量误差回归的识别，支持因果推断中的工具变量与识别方法分类。
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
协变量含 Berkson 型误差的回归：非参数方法
- 研究问题
- 当解释变量包含 Berkson 型测量误差时，工具变量能否支持完全非参数回归模型的识别与一致估计？
- 方法与思路
- 作者利用工具变量处理 Berkson 型解释变量误差，提出非参数估计量，并通过蒙特卡洛模拟及空气污染与呼吸健康应用考察可行性。
- 材料陈述的贡献
- 摘要称，论文建立模型识别并证明所提估计量一致；模拟和应用说明非线性回归中忽略 Berkson 误差可能造成问题。
- 阅读关注点
- 应核对 Berkson 误差的具体结构、工具变量有效性与识别条件、估计步骤，以及污染健康应用能支持何种效应解释。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列出工具变量限制、收敛率或应用结果，不能仅由模型识别推断健康效应具有因果含义。
原文摘要
This paper establishes that so-called instrumental variables enable the identification and the estimation of a fully nonparametric regression model with Berkson-type measurement error in the regressors. An estimator is proposed and proven to be consistent. Its practical performance and feasibility are investigated via Monte Carlo simulations as well as through an epidemiological application investigating the effect of particulate air pollution on respiratory health. These examples illustrate that Berkson errors can clearly not be neglected in nonlinear regression models and that the proposed method represents an effective remedy.