Bandwidth selection for kernel regression with long-range dependent errors
长程相关误差下核回归的带宽选择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：摘要直接讨论长程相关误差、趋势估计，并使用双周观测序列进行示例分析。
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
长程相关误差下核回归的带宽选择
- 研究问题
- 当核回归误差存在长程相关时，如何调整插件式带宽选择，以同时估计结构未知的确定性非线性趋势并处理长期依赖？
- 方法与思路
- 作者考察长程相关对既有插件法的影响，提出允许长程相关的新带宽估计量，通过理论与模拟分析，并用大盐湖水量示例。
- 材料陈述的贡献
- 摘要称新估计量在趋势估计的积分平方误差方面表现良好，使未知非线性趋势与长程相关可纳入同一模型处理。
- 阅读关注点
- 阅读全文时应核对误差长期依赖的假设与估计方式、插件带宽的构造，以及趋势光滑度和依赖强度对误差表现的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，理论条件、模拟幅度与示例结果未提供，不能声称带宽方法对所有依赖结构都最优。
原文摘要
We investigate the effect of long-range dependence on bandwidth selection for kernel regression with the plug-in method of Herrmann, Gasser & Kneip (1992). A new bandwidth estimator is proposed to allow for long-range dependence. Properties of the proposed estimator are investigated theoretically and via simulation. We find that the proposed estimator performs well in terms of integrated squared error of the estimated trend, allowing us to incorporate both deterministic nonlinear features having an unknown structure and long-range dependence into a single model. The method is illustrated using biweekly measurements of the volume of the Great Salt Lake.