Semiparametric density estimation by local L2-fitting
基于局部 L2 拟合的半参数密度估计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：摘要研究通用密度估计，没有明确涉及经济学分布效应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…
关注这篇论文的作者
基于局部 L2 拟合的半参数密度估计
- 研究问题
- 当参数密度估计只能粗略逼近真实密度时，能否通过非参数乘法修正改善估计，并明确其相对传统核估计的理论表现？
- 方法与思路
- 作者以代入式参数估计为起点，通过局部 L2 拟合构造非参数修正因子，形成乘法调整估计量族并研究渐近性质。
- 材料陈述的贡献
- 摘要称该估计量族包含若干已有方法，在较广密度类别中优于或可比于传统核估计，并可利用偏差函数选择渐近最佳成员。
- 阅读关注点
- 应核对局部拟合准则、参数初始估计与修正因子的构造，以及理论比较采用的损失、密度类别和最佳成员的选择方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出比较成立的条件，不能推断有限样本优势或刊本变化。
原文摘要
This article examines density estimation by combining a parametric approach with a nonparametric factor. The plug-in parametric estimator is seen as a crude estimator of the true density and is adjusted by a nonparametric factor. The nonparametric factor is derived by a criterion called local L2-fitting. A class of estimators that have multiplicative adjustment is provided, including estimators proposed by several authors as special cases, and the asymptotic theories are developed. Theoretical comparison reveals that the estimators in this class are better than, or at least competitive with, the traditional kernel estimator in a broad class of densities. The asymptotically best estimator in this class can be obtained from the elegant feature of the bias function.