Efficient Estimates in Semiparametric Additive Regression Models with Unknown Error Distribution
未知误差分布下半参数加性回归模型的有效估计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：摘要讨论通用半参数回归的效率理论，未给出因果、结构估计或其他所列方向的直接模型依据。
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
未知误差分布下半参数加性回归模型的有效估计
- 研究问题
- 在包含线性部分和未知光滑函数的半参数加性回归中，误差分布未知且非正态时，能否有效估计线性回归系数？
- 方法与思路
- 作者针对具有有限 Fisher 信息的一般误差分布构造估计量序列，并在技术假设下研究线性系数的有效估计。
- 材料陈述的贡献
- 摘要称，所构造估计量序列在技术假设下实现有效估计，将此前正态误差情形的目标扩展到未知的一般误差分布。
- 阅读关注点
- 应核对光滑项与线性系数的可区分条件、误差和设计的技术假设，以及估计量构造与半参数效率界的具体形式。
- 阅读边界
- 所给为版本未注明的 OpenAlex 索引摘要；未列出技术假设或算法细节，不能把有限 Fisher 信息视为实现有效估计的唯一条件。
原文摘要
Several authors have shown how to efficiently estimate $\beta$ in the semiparametric additive model $y = x'\beta + g(t) + \text{error}$, $g(t)$ smooth but unknown when the error distribution is normal. However, the general theory suggests that efficient estimation should be possible for general error distributions with finite Fisher information even when the error distribution is unknown. In this note we construct a sequence of estimators which achieves this goal under technical assumptions.