跳到正文
← 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:摘要属于一般非参数回归推断,未明确涉及因果、分位数或其他所列方向。

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
Michael H. Neumann

非参数回归的自动带宽选择与置信区间

研究问题
在存在异方差的非参数回归中,如何同时实现数据驱动带宽选择与可靠的置信区间,并比较不同偏差处理策略?
方法与思路
作者修改既有带宽选择器以适应异方差,研究先导估计带宽的最优选择,并构造使用数据驱动带宽的欠平滑程序。
材料陈述的贡献
摘要称比较了核估计置信区间的覆盖精度,并指出所提出的欠平滑程序优于显式偏差修正,但未提供具体结果。
阅读关注点
应核对带宽选择的一致性条件、最优性的目标函数,以及欠平滑与偏差修正在何种标准和情形下进行比较。
阅读边界
依据版本未注明的 OpenAlex 索引摘要;未说明光滑性条件、覆盖误差阶或数值结果,所称优于偏差修正的范围需读全文确认。

原文摘要

In the present paper we combine the issues of bandwidth choice and construction of confidence intervals in nonparametric regression. Main emphasis is put on fully data-driven methods. We modify the $\sqrt{n}$-consistent bandwidth selector of Härdle, Hall and Marron such that it is appropriate for heteroscedastic data, and we show how one can optimally choose the bandwidth g of the pilot estimator $\hat{m}_g$. Then we consider classical confidence intervals based on kernel estimators with data-driven bandwidths and compare their coverage accuracy. We propose a method to put undersmoothing with a data-driven bandwidth into practice and show that this procedure outperforms explicit bias correction.

笔记与分组
相关领域论文