Miscellanea. Efficient estimation of additive nonparametric regression models
杂记：加性非参数回归模型的有效估计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：摘要属于一般非参数回归方法，未给出与所列经济计量细分方向直接相关的研究对象。
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
杂记：加性非参数回归模型的有效估计
- 研究问题
- 在加性非参数回归中，如何以积分估计作为初值，通过有限的后续更新改善估计效率及均方误差表现？
- 方法与思路
- 作者使用Linton与Nielsen的积分方法生成初始估计，再执行一步回拟合，构造新的加性非参数回归估计程序。
- 材料陈述的贡献
- 摘要称，新方法在某种意义下具有效率，并在均方误差准则下优于直接积分方法，但未说明该效率概念的具体定义。
- 阅读关注点
- 应核对一步回拟合的更新方式、平滑参数与初值要求、效率的定义，以及均方误差比较是渐近结果还是有限样本结论。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；正则条件、效率标准及误差改进的范围未说明，不能据此宣称普遍优于其他方法。
原文摘要
We define a new procedure for estimating additive nonparametric regression models. We use the integration method of Linton & Nielsen (1995) to provide starting values that are then used in a one-step backfitting procedure. We show that our new method is efficient in a certain sense and dominates the straight integration method according to mean squared error.