Predictive functional linear models with diverging number of semiparametric single-index interactions
具有递增半参数单指标交互项的预测型函数线性模型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：摘要针对作物产量与通用函数型预测方法，未涉及宏观预测或金融收益预测。
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…
具有递增半参数单指标交互项的预测型函数线性模型
- 研究问题
- 同时使用函数型和多元预测变量预测作物产量时，如何刻画二者交互，并处理主成分数量增长及其估计误差？
- 方法与思路
- 作者用函数主成分分析降维，以多元变量的非参数单指标结构刻画交互，建立预测变量数量递增的半参数工作模型。
- 材料陈述的贡献
- 摘要称，参数部分具有根号样本量一致性与渐近正态性，整体预测误差由非参数交互函数估计主导，并论证交叉验证调参。
- 阅读关注点
- 应核对主成分数量的增长率、估计得分误差的传播、单指标的识别与平滑条件，以及交叉验证程序的理论目标。
- 阅读边界
- 出版社摘要未给出具体增长率、正则条件或产量预测数值；交互项带来的预测改善不能据此推广到其他数据与任务。
原文摘要
When predicting crop yield using both functional and multivariate predictors, the prediction performances benefit from the inclusion of the interactions between the two sets of predictors. We assume the interaction depends on a nonparametric, single-index structure of the multivariate predictor and reduce each functional predictor’s dimension using functional principal component analysis (FPCA). Allowing the number of FPCA scores to diverge to infinity, we consider a sequence of semiparametric working models with a diverging number of predictors, which are FPCA scores with estimation errors. We show that the parametric component of the model is root-n consistent and asymptotically normal, the overall prediction error is dominated by the estimation of the nonparametric interaction function, and justify a CV-based procedure to select the tuning parameters.