Smoothing splines with varying smoothing parameter
具有变化平滑参数的平滑样条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的局部平滑方法，没有所列专门领域的直接文本依据。
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…
具有变化平滑参数的平滑样条
- 研究问题
- 当回归函数在定义域内具有不同平滑程度时，如何构造局部自适应的平滑样条，并确定随位置变化的惩罚？
- 方法与思路
- 作者研究依赖设计点的局部惩罚与等价核，借助边值问题的格林函数推导内部点渐近均值和方差，再近似优化积分均方误差。
- 材料陈述的贡献
- 摘要称，传统平滑样条的等价核是一般解的特例，并据渐近分析得到最优粗糙度惩罚函数，辅以模拟与应用。
- 阅读关注点
- 应核对设计点和局部平滑性的条件、内部点近似与边界处理，以及最优惩罚函数如何在未知回归函数下实际估计。
- 阅读边界
- 索引摘要版本未注明，未列出正则条件、调参实施或性能数值；空间自适应指平滑位置变化，不能据此推断空间经济模型结果或刊本变化。
原文摘要
This paper considers the development of spatially adaptive smoothing splines for the estimation of a regression function with nonhomogeneous smoothness across the domain. Two challenging issues arising in this context are the evaluation of the equivalent kernel and the determination of a local penalty. The penalty is a function of the design points in order to accommodate local behaviour of the regression function. We show that the spatially adaptive smoothing spline estimator is approximately a kernel estimator, and that the equivalent kernel is spatially dependent. The equivalent kernels for traditional smoothing splines are a special case of this general solution. With the aid of the Green’s function for a two-point boundary value problem, explicit forms of the asymptotic mean and variance are obtained for any interior point. Thus, the optimal roughness penalty function is obtained by approximately minimizing the asymptotic integrated mean squared error. Simulation results and an application illustrate the performance of the proposed estimator.