Asymptotic equivalence for nonparametric regression with multivariate and random design
多元与随机设计下非参数回归的渐近等价性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：摘要研究统计实验之间的通用渐近等价理论，未提供所列经济计量领域的特定数据结构或应用对象，因此不作细分归类。
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
多元与随机设计下非参数回归的渐近等价性
- 研究问题
- 当观测数量增大时，多元设计或随机设计下的非参数回归，能否在 Le Cam 意义下与高斯白噪声实验序列渐近等价？
- 方法与思路
- 作者提出基于逼近空间的一般构造框架，用于建立非参数回归与高斯白噪声实验之间的渐近等价关系。
- 材料陈述的贡献
- 摘要称，所给构造框架能在多元设计与随机设计情形下实现渐近等价，将两类统计实验联系起来。
- 阅读关注点
- 应核对函数类的平滑性要求、设计分布条件、维度限制，以及构造如何控制 Le Cam 意义下的实验间距离。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明函数类、设计条件或收敛速率，不能推断任意非参数回归均适用。
原文摘要
We show that nonparametric regression is asymptotically equivalent, in Le Cam’s sense, to a sequence of Gaussian white noise experiments as the number of observations tends to infinity. We propose a general constructive framework, based on approximation spaces, which allows asymptotic equivalence to be achieved, even in the cases of multivariate and random design.