Closed-form estimation of nonparametric models with non-classical measurement errors
非经典测量误差下非参数模型的闭式估计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：摘要核心是非经典测量误差与非参数回归，医疗应用未明确因果设计，给定细分中没有直接对应的测量误差方向。
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…
关注这篇论文的作者
非经典测量误差下非参数模型的闭式估计
- 研究问题
- 结合一项误差经位置和尺度归一化的测量，以及另一项含内生测量误差的测量，如何识别和估计非参数回归关系？
- 方法与思路
- 作者利用两种测量的数据组合推导闭式识别与估计公式，并将临床 BMI 和自报 BMI 用于肥胖与医疗使用的关系分析。
- 材料陈述的贡献
- 摘要称，所提闭式估计在小样本中表现良好；NHANES III 应用稳健发现医疗使用随肥胖增加，但未将该关系明确界定为因果效应。
- 阅读关注点
- 应核对两种测量之间的依赖限制、归一化含义和闭式公式的可实施性，并区分纠正测量误差后的回归关系与因果解释。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；完整识别条件、效应大小和稳健性检验未说明，不能据此确立因果关系，也不推断版本变化。
原文摘要
This paper proposes closed-form estimators for nonparametric regressions using two measurements with non-classical errors. One (administrative) measurement has location-/scale-normalized errors, but the other (survey) measurement has endogenous errors with arbitrary location and scale. For this setting of data combination, we derive closed-form identification of nonparametric regressions, and practical closed-form estimators that perform well with small samples. Applying this method to NHANES III, we study how obesity explains health care usage. Clinical measurements and self reports of BMI are used as two measurements with normalized errors and endogenous errors, respectively. We robustly find that health care usage increases with obesity.