On the asymptotics of marginal regression splines with longitudinal data
纵向数据边际回归样条的渐近性质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：摘要明确研究纵向与聚类数据中的组内相关和边际非参数回归，直接对应面板数据方法。
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
纵向数据边际回归样条的渐近性质
- 研究问题
- 纵向或聚类数据的非参数函数估计中，工作相关矩阵如何影响回归样条的渐近偏差、方差及均方误差？
- 方法与思路
- 作者研究基于加权最小二乘回归样条的广义估计方程，分析工作相关结构对非参数函数估计渐近误差的影响。
- 材料陈述的贡献
- 摘要称渐近偏差不依赖工作相关矩阵，正确指定真实相关结构时渐近方差和均方误差最小，并指出与平滑样条的差别。
- 阅读关注点
- 应核对样条复杂度与样本增长条件、相关矩阵的设定或估计方式，以及最小方差结论的比较范围。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未列出渐近条件或有限样本结果，不能把渐近偏差性质直接推广至所有样条方法或推断刊本变化。
原文摘要
There have been studies on how the asymptotic efficiency of a nonparametric function estimator depends on the handling of the within-cluster correlation when nonparametric regression models are used on longitudinal or cluster data. In particular, methods based on smoothing splines and local polynomial kernels exhibit different behaviour. We show that the generalized estimation equations based on weighted least squares regression splines for the nonparametric function have an interesting property: the asymptotic bias of the estimator does not depend on the working correlation matrix, but the asymptotic variance, and therefore the mean squared error, is minimized when the true correlation structure is specified. This property of the asymptotic bias distinguishes regression splines from smoothing splines.