Adaptive nonparametric instrumental variables estimation: Empirical choice of the regularization parameter
自适应非参数工具变量估计：正则化参数的经验选择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：摘要属于一般非参数工具变量与正则化理论，未明确具体因果目标或结构经济应用。
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
自适应非参数工具变量估计：正则化参数的经验选择
- 研究问题
- 非参数工具变量估计中的识别映射不连续，且最优正则化依赖未知总体特征时，如何从数据选择正则化参数？
- 方法与思路
- 作者针对级数估计提出有理论依据的经验调参方法，使其适应目标函数及其他未知函数的光滑性。
- 材料陈述的贡献
- 摘要称估计量相对最优收敛速度至多损失√log n因子，且渐近积分均方误差位于最优值的某个指定倍数范围内。
- 阅读关注点
- 应核对经验选择规则、光滑性与逆问题条件，以及最优收敛率、对数因子和均方误差倍数界的确切含义。
- 阅读边界
- 仅据所给出版社摘要，无法判断理论界适用的函数类；摘要未给出指定倍数和实施细节，也未报告有限样本比较结果。
原文摘要
In nonparametric instrumental variables estimation, the mapping that identifies the function of interest, g, is discontinuous and must be regularized to permit consistent estimation. The optimal regularization parameter depends on population characteristics that are unknown in applications. This paper presents a theoretically justified empirical method for choosing the regularization parameter in series estimation. The method adapts to the unknown smoothness of g and other unknown functions. The resulting estimator of g converges at least as fast as the optimal rate multiplied by (logn)1/2. The asymptotic integrated mean-square error (AIMSE) of the estimator is within a specified factor of the optimal AIMSE.