SPLINE-BACKFITTED KERNEL SMOOTHING OF ADDITIVE COEFFICIENT MODEL
加性系数模型的样条回拟核平滑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：摘要将加性系数模型用于自回归，并提供美国 GDP 的宏观应用。
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
加性系数模型的样条回拟核平滑
- 研究问题
- 如何估计加性系数模型的各个分量函数，在缓解维数问题的同时兼顾计算便利与可靠推断，并用于宏观生产函数分析？
- 方法与思路
- 作者提出样条回拟核估计和样条回拟局部线性估计，并将后者用于美国 GDP 的变系数 Cobb–Douglas 模型。
- 材料陈述的贡献
- 摘要称两种估计兼具计算便利与理论推断依据；应用允许研发分别影响资本、劳动及全要素生产率的作用方式。
- 阅读关注点
- 应核对样条初估与回拟平滑的具体步骤、分量函数识别和推断条件，以及研发变量进入生产函数的形式与经济解释。
- 阅读边界
- 仅据所给 Crossref 摘要，无法量化计算收益或确认研发效应；允许非中性作用的模型设定本身不构成因果识别证据。
原文摘要
Additive coefficient model (Xue and Yang, 2006a, 2006b) is a flexible regression and autoregression tool that circumvents the “curse of dimensionality.” We propose spline-backfitted kernel (SBK) and spline-backfitted local linear (SBLL) estimators for the component functions in the additive coefficient model that are both (i) computationally expedient so they are usable for analyzing high dimensional data, and (ii) theoretically reliable so inference can be made on the component functions with confidence. In addition, they are (iii) intuitively appealing and easy to use for practitioners. The SBLL procedure is applied to a varying coefficient extension of the Cobb-Douglas model for the U.S. GDP that allows nonneutral effects of the R&D on capital and labor as well as in total factor productivity (TFP).