Uniform Consistency of Kernel Estimators of a Regression Function under Generalized Conditions
广义条件下回归函数核估计的一致收敛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：摘要明确研究平稳混合序列及其无限历史函数下的核回归，直接涉及时间序列依赖条件。
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
广义条件下回归函数核估计的一致收敛
- 研究问题
- 当解释变量包含离散分量、数据具有平稳混合依赖时，多元回归函数的核估计能否仍保持一致收敛？
- 方法与思路
- 作者除独立同分布及连续解释变量外，还考察平稳 φ 混合数据和此类无限历史序列的函数，并提供数值示例。
- 材料陈述的贡献
- 摘要称证明了多种数据分布条件下核回归估计的一致收敛，将讨论扩展至离散解释变量和指定的依赖结构。
- 阅读关注点
- 应核对一致收敛所覆盖的区域、核与带宽条件、混合速度要求，以及离散变量和无限历史函数的处理方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体带宽、混合及支持集条件未提供，不能将结论推广到任意依赖数据，也不能推断刊本变化。
原文摘要
In this article we prove uniform consistency of kernel estimators of a multivariate regression function under various assumptions on the distribution of the data. In addition to the usual assumptions that the data are iid and that the distribution of the regressors is absolutely continuous, we consider the cases that some regressors are discrete and the data are either stationary ϕ-mixing themselves or generated by a class of functions of one-sided infinite stationary ϕ-mixing sequences. Moreover, we demonstrate the performance of the kernel estimation method under these generalized conditions by a numerical example.