A Design-Adaptive Local Polynomial Estimator for the Errors-in-Variables Problem
变量含测量误差问题中适应设计分布的局部多项式估计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：摘要属于通用测量误差非参数回归方法，未明确对应因果、结构估计或其他所列细分方向。
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…
变量含测量误差问题中适应设计分布的局部多项式估计
- 研究问题
- 当回归解释变量含测量误差时，如何将局部常数估计推广到任意阶局部多项式，并估计回归函数及其导数？
- 方法与思路
- 作者构造适用于变量含测量误差情形的局部多项式估计量，推导其适应设计分布的渐近性质，并通过模拟研究有限样本表现。
- 材料陈述的贡献
- 摘要称，论文解决高阶局部多项式在测量误差背景下推广的长期问题，同时提供导数函数估计等方法贡献。
- 阅读关注点
- 应核对测量误差分布是否已知、误差与变量的关系、反卷积及带宽条件，并检查高阶和导数估计的稳定性与边界表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明测量误差假设、具体渐近速率或模拟数值，不能判断各类误差下的适用性。
原文摘要
Local polynomial estimators are popular techniques for nonparametric regression estimation and have received great attention in the literature. Their simplest version, the local constant estimator, can be easily extended to the errors-in-variables context by exploiting its similarity with the deconvolution kernel density estimator. The generalization of the higher order versions of the estimator, however, is not straightforward and has remained an open problem for the last 15 years. We propose an innovative local polynomial estimator of any order in the errors-in-variables context, derive its design-adaptive asymptotic properties and study its finite sample performance on simulated examples. We provide not only a solution to a long-standing open problem, but also provide methodological contributions to error-invariable regression, including local polynomial estimation of derivative functions.