Functional Partial Least-Squares: Adaptive Estimation and Inference
函数型偏最小二乘：自适应估计与推断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：摘要讨论通用函数型回归与农业应用，未明确提供因果识别或所列其他细分方向的证据。
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…
函数型偏最小二乘：自适应估计与推断
- 研究问题
- 在标量响应与函数型解释变量的线性回归中，如何应对逆问题的不适定性，自适应选择成分数量并推断函数型斜率？
- 方法与思路
- 作者研究函数型偏最小二乘估计，提出自适应早停规则，并构造可检测参数型局部备择、可反演为置信集合的检验。
- 材料陈述的贡献
- 摘要称估计率在一类椭球参数空间上接近极小极大最优，并提供温度与作物产量应用及 fpls 软件库。
- 阅读关注点
- 应核对椭球参数空间和收敛率条件、早停的自适应范围，以及检验反演方式和温度非线性效应的建模含义。
- 阅读边界
- 摘要未提供具体速率、检验条件及置信集合覆盖结果；温度与产量应用的描述不足以确立因果效应识别。
原文摘要
We study the linear regression model with a scalar response and a functional predictor, a canonical example of an ill-posed inverse problem. We show that the functional partial least-squares (PLS) estimator achieves convergence rates that are nearly minimax-optimal over a class of ellipsoids and propose an adaptive early-stopping procedure for selecting the number of PLS components. In addition, we develop a new test that detects parametric local alternatives. The test can be inverted to construct confidence sets for the functional slope parameter. Simulation results show that the estimator performs favorably relative to several existing methods, and that the proposed test has good power. We apply our methodology to evaluate the nonlinear effects of temperature on corn and soybean yields. We provide a Python software library, fpls, implementing our method. Supplementary materials for this article are available online, including a standardized description of the materials available for reproducing the work.