Consistency in Concave Regression
凹回归中的一致性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：文本讨论一般形状约束回归的一致性，未提供足以归入结构估计、因果推断或其他给定细分的依据。
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
凹回归中的一致性
- 研究问题
- 对于独立但观测位置不同、均值函数具有凹性的响应数据，凹约束最小二乘能否一致估计均值函数及其导数？
- 方法与思路
- 作者在凹函数类中最小化观测位置上的残差平方和，研究所得函数估计的一致性以及导数序列的收敛。
- 材料陈述的贡献
- 摘要明确提出对凹约束最小二乘估计及其导数收敛的研究，但未展示具体定理、收敛模式或所需条件。
- 阅读关注点
- 应核对观测位置序列的覆盖要求、误差矩条件、区间端点处理，以及函数与导数分别在哪些位置和意义下收敛。
- 阅读边界
- 版本未注明的索引摘要只交代设定与研究目标，未说明一致性结论的完整条件，也不能推断收敛速度或推断方法。
原文摘要
For each $t$ in some subinterval $T$ of the real line let $F_t$ be a distribution function with mean $m(t)$. Suppose $m(t)$ is concave. Let $t_1, t_2, \cdots$ be a sequence of points in $T$ and let $Y_1, Y_2, \cdots$ be an independent sequence of random variables such that the distribution function of $Y_k$ is $F_{t_k}$. We consider estimators $m_n(t) = m_n(t; Y_1, \cdots, Y_n)$ which are concave in $t$ and which minimize $\sum^n_{i=1} \lbrack m_n(t_i; Y_1, \cdots, Y_n) - Y_i\rbrack^2$ over the class of concave functions. We investigate their consistency and the convergence of $\{m_n'(t)\}$ to $m'(t)$.