Identifiability of single-index models and additive-index models
单指标模型与加性指标模型的可识别性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：摘要讨论通用回归函数及指标模型的统计可识别性，未给出经济结构模型或因果识别对象，不能据识别一词作对应领域归类。
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
单指标模型与加性指标模型的可识别性
- 研究问题
- 能否在回归函数仅连续、无需既有文献所用可微条件的情形下，证明单指标及部分线性单指标模型的可识别性？
- 方法与思路
- 作者以回归函数的连续性替代已有论证中的可微性要求，提供单指标和部分线性单指标模型的识别证明，并扩展讨论加性指标模型。
- 材料陈述的贡献
- 摘要称单指标及部分线性单指标模型的可识别性可以在更弱的函数光滑性要求下证明，同时将讨论延伸到加性指标模型。
- 阅读关注点
- 应核对指标方向与回归函数的规范化、协变量支持及其他识别条件，并确认加性指标模型部分实际证明了何种识别结论。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；其他识别条件与加性指标结论未说明，不能将连续性理解为识别所需的唯一假设。
原文摘要
We provide a proof for the identifiability for both single-index models and partially linear single-index models assuming only the continuity of the regression function, a condition much weaker than the differentiability conditions assumed in the existing literature. Our discussion is then extended to the identifiability of the additive-index models.