React Scatterplot Smoothers: Superefficiency through Basis Economy
REACT 散点图平滑器：通过基表示的简约性实现超效率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：摘要研究线性模型的自适应收缩与一般平滑理论，未明确对应所列经济计量细分方向。
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
REACT 散点图平滑器：通过基表示的简约性实现超效率
- 研究问题
- 在线性模型均值估计与散点图平滑中，如何通过简约的基表示和自适应收缩降低风险，并理解相对最小二乘的超效率？
- 方法与思路
- 作者先构造节约基表示的规范形式，再估计候选线性收缩估计量的风险，最后选择估计风险最小的候选方案。
- 材料陈述的贡献
- 摘要以实例说明基表示与单调收缩带来的风险降低，并用 Pinsker 渐近极小极大风险界解释基表示简约性的作用。
- 阅读关注点
- 应核对基的选择是否依赖数据、风险估计的条件、超效率针对的参数集合，以及实例比较与渐近风险界之间的联系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；超效率和实例优势不能解释为对全部均值向量或平滑方法普遍占优。
原文摘要
REACT estimators for the mean of a linear model involve three steps: transforming the model to a canonical form that provides an economical representation of the unknown mean vector, estimating the risks of a class of candidate linear shrinkage estimators, and adaptively selecting the candidate estimator that minimizes estimated risk. Applied to one- or higher-way layouts, the REACT method generates automatic scatterplot smoothers that compete well on standard datasets with the best fits obtained by alternative techniques. Historical precursors to REACT include nested model selection, ridge regression, and nested principal component selection for the linear model. However, REACT's insistence on working with an economical basis greatly increases its superefficiency relative to the least squares fit. This reduction in risk and the possible economy of the discrete cosine basis, of the orthogonal polynomial basis, or of a smooth basis that generalizes the discrete cosine basis are illustrated by fitting scatterplots drawn from the literature. Flexible monotone shrinkage of components rather than nested 1–0 shrinkage achieves a secondary decrease in risk that is visible in these examples. Pinsker bounds on asymptotic minimax risk for the estimation problem express the remarkable role of basis economy in reducing risk.