Functional linear regression with functional response
函数型响应的函数线性回归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：摘要核心是一般函数回归与算子估计，时间或空间索引本身不足以对应宏观时间序列等现有领域细分。
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…
函数型响应的函数线性回归
- 研究问题
- 当解释变量与响应变量均为函数时，如何估计连接二者的未知算子，并处理轨迹观测不完整及解释变量内生性？
- 方法与思路
- 作者用 Tikhonov 正则化估计回归算子，惩罚其 L2 范数，同时研究加密采样渐近及采用工具变量的内生情形。
- 材料陈述的贡献
- 摘要称推导了均方误差收敛率和渐近分布，发展了算子检验，并通过电力消费应用展示函数回归方法。
- 阅读关注点
- 应核对算子的识别与光滑性要求、正则化参数选择，以及轨迹离散观测和工具变量有效性如何影响估计与检验。
- 阅读边界
- 仅据所给出版社摘要，无法确定收敛率的具体形式、检验有效条件或工具变量构造；电力应用的具体结果未说明。
原文摘要
In this paper, we develop new estimation results for functional regressions where both the regressor Z(t) and the response Y(t) are functions of Hilbert spaces, indexed by the time or a spatial location. The model can be thought as a generalization of the multivariate regression where the regression coefficient is now an unknown operator Π. We propose to estimate the operator Π by Tikhonov regularization, which amounts to apply a penalty on the L2 norm of Π. We derive the rate of convergence of the mean-square error, the asymptotic distribution of the estimator, and develop tests on Π. As trajectories are often not fully observed, we consider the scenario where the data become more and more frequent (infill asymptotics). We also address the case where Z is endogenous and instrumental variables are used to estimate Π. An application to the electricity consumption completes the paper.