Local and global asymptotic inference in smoothing spline models
平滑样条模型中的局部与全局渐近推断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：摘要研究一般平滑样条的非参数推断，未明确对应所列经济学或金融细分领域。
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
平滑样条模型中的局部与全局渐近推断
- 研究问题
- 如何在统一渐近框架下对平滑样条开展点态与整体推断，并建立置信区间、同时置信带以及局部和全局似然比检验？
- 方法与思路
- 作者引入函数型 Bahadur 表示作为技术工具，组织四类相互关联的推断程序，并讨论 Wilks 现象、最优性及效率。
- 材料陈述的贡献
- 摘要称区间在支持集各点渐近有效，平均长度短于所比较的贝叶斯区间，并提出适用于一般准似然模型的同时置信带。
- 阅读关注点
- 应核对平滑参数和偏差处理、边界点覆盖条件及置信带校准，并查看区间长度比较的口径和局部、全局检验的极限分布。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；模型类、平滑参数条件及长度比较设置未展开，不能据此断言普遍更短或具有有限样本覆盖保证。
原文摘要
This article studies local and global inference for smoothing spline estimation in a unified asymptotic framework. We first introduce a new technical tool called functional Bahadur representation, which significantly generalizes the traditional Bahadur representation in parametric models, that is, Bahadur [Ann. Inst. Statist. Math. 37 (1966) 577–580]. Equipped with this tool, we develop four interconnected procedures for inference: (i) pointwise confidence interval; (ii) local likelihood ratio testing; (iii) simultaneous confidence band; (iv) global likelihood ratio testing. In particular, our confidence intervals are proved to be asymptotically valid at any point in the support, and they are shorter on average than the Bayesian confidence intervals proposed by Wahba [J. R. Stat. Soc. Ser. B Stat. Methodol. 45 (1983) 133–150] and Nychka [J. Amer. Statist. Assoc. 83 (1988) 1134–1143]. We also discuss a version of the Wilks phenomenon arising from local/global likelihood ratio testing. It is also worth noting that our simultaneous confidence bands are the first ones applicable to general quasi-likelihood models. Furthermore, issues relating to optimality and efficiency are carefully addressed. As a by-product, we discover a surprising relationship between periodic and nonperiodic smoothing splines in terms of inference.