Data-Driven Efficient Estimators for a Partially Linear Model
部分线性模型的数据驱动有效估计量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：摘要讨论通用部分线性回归及平滑参数选择，没有明确的因果、结构或其他所列领域应用。
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
部分线性模型的数据驱动有效估计量
- 研究问题
- 部分线性模型的平滑参数由数据选择时，两阶段样条与偏回归方法的参数估计能否保持通常的参数收敛率和渐近正态性？
- 方法与思路
- 作者分析广义交叉验证和 Mallows 准则选择平滑参数后的大样本行为，并比较两种样条方法的最优平滑参数速率。
- 材料陈述的贡献
- 摘要称在一定条件下，两种方法的参数估计均渐近正态且具有通常参数速率，最优平滑参数速率也与普通平滑样条相同。
- 阅读关注点
- 应核对随机平滑参数的控制条件、参数部分的渐近方差、效率结论的依据，以及最优速率所对应的误差目标。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未给出具体正则条件、方差公式或有限样本表现，不能仅凭题名认定所有情形均有效。
原文摘要
Chen and Shiau showed that a two-stage spline smoothing method and the partial regression method lead to efficient estimators for the parametric component of a partially linear model when the smoothing parameter is a deterministic sequence tending to zero at an appropriate rate. This paper is concerned with the large-sample behavior of these estimators when the smoothing parameter is chosen by the generalized cross validation (GCV) method or Mallows' $C_L$. Under mild conditions, the estimated parametric component is asymptotically normal with the usual parametric rate of convergence for both spline estimation methods. As a by-product, it is shown that the "optimal rate" for the smoothing parameter, with respect to expected average squared error, is the same for the two estimation methods as it is for ordinary smoothing splines.