Non-Parametric Estimation of a Smooth Regression Function
光滑回归函数的非参数估计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：摘要讨论通用非参数回归与平滑，未涉及所列领域细分的特定研究对象。
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
光滑回归函数的非参数估计
- 研究问题
- 如何构造兼顾平滑性质与计算便利的非参数回归估计，并选择平滑程度，使其在小样本中具有可分析的表现？
- 方法与思路
- 作者提出一族光滑回归函数的非参数估计量，比较其理论与计算性质，并用模拟考察交叉验证选择平滑程度的效果。
- 材料陈述的贡献
- 摘要称新估计对部分替代方法具有小样本理论优势，计算较样条方便，平滑性质接近三次样条；模拟支持交叉验证选平滑。
- 阅读关注点
- 应核对估计量的具体构造、光滑性条件、比较所用损失与替代方法，以及交叉验证方案、模拟设计和边界处理。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明优势成立的具体条件与数值结果，不能将局部比较扩展为普遍优越，也不能推断版本变化。
原文摘要
Summary This paper presents a new family of non-parametric estimators of a smooth regression function, which are shown to have theoretical advantages in small samples over some alternative estimators. The new estimator has practical computational advantages over spline functions, while its smoothing properties are very close to the optimal smoothing properties of cubic splines. A simulation experiment demonstrates the remarkable success of the cross-validation technique as a means of determining the appropriate degree of smoothing.