Asymptotic optimality of generalized C, cross-validation, and generalized cross-validation in regression with heteroskedastic errors
异方差回归中广义 CL、交叉验证与广义交叉验证的渐近最优性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：摘要讨论通用回归估计量选择与交叉验证理论，未明确对应因果、面板、宏观预测或金融任务，因此不强行归类。
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
异方差回归中广义 CL、交叉验证与广义交叉验证的渐近最优性
- 研究问题
- 存在异方差误差时，如何从离散参数索引的线性估计量中进行数据驱动选择，三种选择准则的渐近最优性和可实施性有何区别？
- 方法与思路
- 作者在异方差回归框架下分析 GCL、CV 和 GCV，覆盖模型选择及多种非参数估计方法，比较其渐近条件和可行实现。
- 材料陈述的贡献
- 摘要称，GCL 与 CV 在一般条件下渐近最优，但 GCL 仅部分应用可行；GCV 需额外条件，CV 因而兼具一般性与可行性。
- 阅读关注点
- 应核对最优性的风险定义、候选估计量类别及正则条件，尤其是 GCL 的可行限制和 GCV 条件为何因应用类型而异。
- 阅读边界
- 仅依据 OpenAlex 所载摘要；摘要未列明风险函数和完整条件，渐近最优不代表有限样本必然占优，也不能覆盖所有异方差情形。
原文摘要
The problem considered here is that of using a data-driven procedure to select a good estimate from a class of linear estimates indexed by a discrete parameter. In contrast to other papers on this subject, we consider models with heteroskedastic errors. The results apply to model selection problems in linear regression and to nonparametric regression estimation via series estimators, nearest-neighbor estimators, and local regression estimators, among others. Generalized CL (GCL), cross-validation (CV), and generalized cross-validation (GCV) procedures are analyzed. The GCL and CV criteria are shown to be asymptotically optimal under general conditions. A feasible version of GCL, however, is available only in some applications. The GCV criterion is found to be asymptotically optimal only under a condition that is satisfied in some applications but not in others. For example, it is satisfied in the nearest-neighbor estimation context but not in the series estimation, local regression estimation, or model selection contexts. Thus, the CV criterion is the only feasible criterion of the three that is asymptotically optimal under general conditions. The proofs rely heavily on results of Li (1987).