On bias reduction in local linear smoothing
局部线性平滑的偏差降低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：摘要研究通用非参数回归平滑的偏差方差性质，没有足够证据对应所列具体领域。
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
局部线性平滑的偏差降低
- 研究问题
- 局部线性回归若将拟合窗口中心偏离目标点，能否降低偏差而保持方差阶数，并通过组合估计进一步改善偏差方差表现？
- 方法与思路
- 作者偏移局部直线拟合的中心，再平均反向偏移的两个估计量，并考察加入对称估计量后形成的三者凸组合。
- 材料陈述的贡献
- 摘要称，单侧偏移可降低一个偏差阶且不改变方差阶；反向平均降低两个偏差阶，三者组合在部分核函数下还可降低方差。
- 阅读关注点
- 应核对偏差阶数对应的渐近尺度、光滑性与边界条件，以及偏移量如何由核决定、组合权重如何影响方差。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列展开条件和具体方差变化，偏差阶数改善不等于任意样本下误差都更小。
原文摘要
The standard approach to local linear regression involves fitting a straight line segment to a curve in a symmetrical way, in that the segment is fitted directly above a small region whose midpoint is the abscissa, x, at which we wish to estimate the curve. In this paper we show that, if the segment is fitted in a skew manner, with its centre a little to the left or right of x, then bias can be reduced by an order of magnitude, without affecting the order of magnitude of variance. The amount by which the centre should be shifted depends only on the kernel function, and not at all on the unknown regression mean or on the design density. The average of two similarly but oppositely shifted estimators has two orders of magnitude less bias, again at the expense of a slight increase in variance. This particular estimator may be viewed as a limiting form of a convex combination of three local linear estimators, the two oppositely shifted estimators and the symmetric one, which has two orders of magnitude less bias and, depending on the kernel function, less variance as well.