Bandwidth choice and confidence intervals for derivatives of noisy data
含噪数据导数估计的带宽选择与置信区间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：摘要讨论通用非参数回归导数估计，未明确涉及所列经济计量细分研究对象。
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…
含噪数据导数估计的带宽选择与置信区间
- 研究问题
- 如何为回归函数导数的核估计自动选择带宽，并利用导数估计构造回归函数及其一阶导数的渐近局部置信区间？
- 方法与思路
- 作者提出自动带宽选择方法，以蒙特卡洛研究比较有限样本表现，并将自动导数估计用于非参数回归的局部区间构造。
- 材料陈述的贡献
- 摘要提出导数核估计的自动带宽方法及相应区间应用，报告与其他方法的模拟比较，但未说明比较中的具体优势。
- 阅读关注点
- 应核对带宽选择目标、导数阶数、平滑与误差条件，以及局部区间的偏差处理、覆盖率和边界位置的表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；带宽公式、模拟结果和覆盖条件未给出，局部区间不能据此解释为同时置信带。
原文摘要
We propose a method for automatic bandwidth selection for kernel estimators of derivatives of a regression function. The finite sample behaviour of this new method is compared with that of other methods in a Monte Carlo Study. The automatic estimation of derivatives can be employed for the construction of asymptotic local confidence intervals for the nonparametric estimate of the regression function and its first derivatives.