Least squares estimation of a quasiconvex regression function
准凸回归函数的最小二乘估计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：摘要明确以经济公理约束函数形状，并用于生产函数和成本函数估计，与经济结构函数估计直接相关。
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…
准凸回归函数的最小二乘估计
- 研究问题
- 如何依据准凸性及单调性等经济公理估计多元函数，并在较弱误差矩条件下同时获得可计算的估计量和有限样本风险控制？
- 方法与思路
- 作者构建准凸约束最小二乘估计，刻画函数空间以转化为混合整数二次规划，并通过精细 oracle 不等式分析有限样本风险。
- 材料陈述的贡献
- 摘要称，结果包括估计量存在性和风险界，允许误差依赖协变量且仅有两个有限矩，并以模拟及生产、成本函数应用展示方法。
- 阅读关注点
- 应核对准凸与单调约束的具体形式、优化计算规模、风险界条件，以及生产和成本函数应用中形状限制的经济解释。
- 阅读边界
- 解读仅依据所给 Crossref 摘要。摘要未提供风险界细节、模拟数值或应用识别论证，所称优于竞争估计量仅能按给定模拟范围理解。
原文摘要
Abstract We develop a new approach for the estimation of a multivariate function based on the economic axioms of quasiconvexity (and monotonicity). On the computational side, we prove the existence of the quasiconvex constrained least squares estimator (LSE) and provide a characterisation of the function space to compute the LSE via a mixed-integer quadratic programme. On the theoretical side, we provide finite sample risk bounds for the LSE via a sharp oracle inequality. Our results allow for errors to depend on the covariates and to have only two finite moments. We illustrate the superior performance of the LSE against some competing estimators via simulation. Finally, we use the LSE to estimate the production function for the Japanese plywood industry and the cost function for hospitals across the US.