Generalized Additive and Index Models with Shape Constraints
带形状约束的广义加性模型与指数模型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：摘要讨论通用形状约束回归及指数模型，未给出经济结构、离散选择或其他所列细分方向的明确应用和模型依据。
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
带形状约束的广义加性模型与指数模型
- 研究问题
- 在广义加性模型各分量具有单调、凸或凹等形状约束时，如何开展非参数估计，并将方法推广到加性指数模型？
- 方法与思路
- 作者在形状约束下最大化似然以估计加性分量，构造无需调节参数的程序，并进一步处理广义加性指数模型。
- 材料陈述的贡献
- 摘要称，估计程序在一定条件下于紧区间上一致收敛，并提供指数模型扩展、有限样本展示及 R 包 scar 的实现。
- 阅读关注点
- 应核对形状约束与分量归一化、指数模型的识别方式、一致性条件，以及无需调节参数的具体含义和算法处理。
- 阅读边界
- 仅据所给 Crossref 摘要；未列一致性的完整条件、指数模型限制或比较数值，软件可用性未经核验，不能推断刊本变化。
原文摘要
Summary We study generalized additive models, with shape restrictions (e.g. monotonicity, convexity and concavity) imposed on each component of the additive prediction function. We show that this framework facilitates a non-parametric estimator of each additive component, obtained by maximizing the likelihood. The procedure is free of tuning parameters and under mild conditions is proved to be uniformly consistent on compact intervals. More generally, our methodology can be applied to generalized additive index models. Here again, the procedure can be justified on theoretical grounds and, like the original algorithm, has highly competitive finite sample performance. Practical utility is illustrated through the use of these methods in the analysis of two real data sets. Our algorithms are publicly available in the R package scar, short for shape-constrained additive regression.