Simultaneous Inference for Time Series Functional Linear Regression
时间序列函数型线性回归的同时推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究具有时间依赖的函数型线性回归，并应用于电力市场时间序列。
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…
时间序列函数型线性回归的同时推断
- 研究问题
- 对采用粗糙度惩罚估计的标量对函数时间序列回归，如何为多个回归系数函数构造联合同时置信带？
- 方法与思路
- 作者在可灵活选择正交基函数的惩罚估计框架中提出统一的乘子自助法，用于构造回归系数函数的联合同时置信带。
- 材料陈述的贡献
- 摘要称，置信带渐近达到正确覆盖率，且对标准差估计不一致具有渐近稳健性，并用于电力市场回归检验和模型验证。
- 阅读关注点
- 应核对时间依赖条件、基函数维数与惩罚参数要求，以及标准差估计不一致时仍能保证覆盖率的具体适用范围。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出正则条件或有限样本覆盖结果，稳健性边界尚不明确。
原文摘要
We consider the problem of joint simultaneous confidence band (JSCB) construction for regression coefficient functions of time series scalar-on-function linear regression when the regression model is estimated by roughness penalization approach with flexible choices of orthonormal basis functions. A simple and unified multiplier bootstrap methodology is proposed for the JSCB construction which is shown to achieve the correct coverage probability asymptotically. Furthermore, the JSCB is asymptotically robust to inconsistently estimated standard deviations of the model. The proposed methodology is applied to a time series data set of electricity market to visually investigate and formally test the overall regression relationship as well as perform model validation.