Flexible generalized varying coefficient regression models
灵活的广义变系数回归模型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：摘要属于通用非参数均值回归，未明确对应结构估计、分布效应或其他给定细分方向。
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…
灵活的广义变系数回归模型
- 研究问题
- 如何构造兼容连续与离散响应及协变量、又便于解释的非参数回归模型，并将多元均值估计化为一元分量估计？
- 方法与思路
- 作者提出涵盖广义变系数和广义可加模型的框架，讨论筛估计与惩罚最小二乘，并以非线性积分方程构造核估计。
- 材料陈述的贡献
- 摘要称在一个较弱条件下建立多元均值与一元分量估计等价的定理，并给出求解核估计的迭代算法及理论分析。
- 阅读关注点
- 应核对较弱条件与估计等价的精确定义、分量的可识别限制，以及积分方程解和迭代算法收敛的具体条件。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；定理条件、收敛速率与模拟结果未提供，不能据此断言普遍消除维数困难。
原文摘要
This paper studies a very flexible model that can be used widely to analyze the relation between a response and multiple covariates. The model is nonparametric, yet renders easy interpretation for the effects of the covariates. The model accommodates both continuous and discrete random variables for the response and covariates. It is quite flexible to cover the generalized varying coefficient models and the generalized additive models as special cases. Under a weak condition we give a general theorem that the problem of estimating the multivariate mean function is equivalent to that of estimating its univariate component functions. We discuss implications of the theorem for sieve and penalized least squares estimators, and then investigate the outcomes in full details for a kernel-type estimator. The kernel estimator is given as a solution of a system of nonlinear integral equations. We provide an iterative algorithm to solve the system of equations and discuss the theoretical properties of the estimator and the algorithm. Finally, we give simulation results.