Nonparametric Regression Analysis of Growth Curves
生长曲线的非参数回归分析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：摘要明确使用同一批个体的纵向身高测量并讨论个体平滑，直接涉及个体重复观测数据的分析。
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…
生长曲线的非参数回归分析
- 研究问题
- 利用男孩和女孩的纵向身高测量，核方法估计身高、生长速度和加速度时，与参数函数模型相比会出现哪些差异？
- 方法与思路
- 作者对纵向身高数据使用核估计，并与参数函数拟合比较，同时讨论核、平滑参数及按个体分别选择平滑程度的问题。
- 材料陈述的贡献
- 摘要称该案例提示核估计可能有优势；两类方法均有偏差，但参数方法出现不易预判的定性和定量失真。
- 阅读关注点
- 应核对重复测量的处理、生长速度和加速度估计方式，以及共同或个体化平滑参数如何影响偏差与方法比较。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；样本细节和比较指标未给出，所述优势仅为特定生长曲线案例中的证据。
原文摘要
In recent years, nonparametric curve estimates have been extensively explored in theoretical work. There has, however, been a certain lack of convincing applications, in particular involving comparisons with parametric techniques. The present investigation deals with the analysis of human height growth, where longitudinal measurements were collected for a sample of boys and a sample of girls. Evidence is presented that kernel estimates of acceleration and velocity of height, and of height itself, might offer advantages over a parametric fitting via functional models recently introduced. For the specific problem considered, both approaches are biased, but the parametric one shows qualitative and quantitative distortion which both are not easily predictable. Data-analytic problems involved with kernel estimation concern the choice of kernels, the choice of the smoothing parameter, and also whether the smoothing parameter should be chosen uniformly for all subjects or individually.