Optimal convergence rates, Bahadur representation, and asymptotic normality of partitioning estimators
分割估计量的最优收敛速度、Bahadur 表示与渐近正态性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：摘要讨论通用非参数条件期望估计理论，未提供所列经济领域细分的直接依据。
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
分割估计量的最优收敛速度、Bahadur 表示与渐近正态性
- 研究问题
- 对条件期望函数及其导数的分割估计，如何确定均方与一致收敛速度、选择调参，并建立线性泛函的有效推断？
- 方法与思路
- 作者推导收敛速度与渐近积分均方误差近似，构造最优代入式调参选择器，再以一致 Bahadur 表示建立渐近正态性。
- 材料陈述的贡献
- 摘要称，所获速度在给定条件下最优，一致速度体现矩条件的影响；同时建立标准误估计一致性并开展有限样本模拟比较。
- 阅读关注点
- 应核对分割方式、函数光滑性和矩条件，确认最优性的比较范围，以及调参选择、偏差处理与标准误构造的具体步骤。
- 阅读边界
- 仅据所给出版社摘要，无法判断最优速度的具体表达、定理适用条件及模拟比较结果；摘要未明确特定经济应用领域。
原文摘要
This paper studies the asymptotic properties of partitioning estimators of the conditional expectation function and its derivatives. Mean-square and uniform convergence rates are established and shown to be optimal under simple and intuitive conditions. The uniform rate explicitly accounts for the effect of moment assumptions, which is useful in semiparametric inference. A general asymptotic integrated mean-square error approximation is obtained and used to derive an optimal plug-in tuning parameter selector. A uniform Bahadur representation is developed for linear functionals of the estimator. Using this representation, asymptotic normality is established, along with consistency of a standard-error estimator. The finite-sample performance of the partitioning estimator is examined and compared to other nonparametric techniques in an extensive simulation study.