Fractals with point impact in functional linear regression
函数型线性回归中具有分形轨迹的点影响模型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：摘要聚焦函数型回归与分形过程，未提供足以对应所列经济计量细分方向的证据。
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
函数型线性回归中具有分形轨迹的点影响模型
- 研究问题
- 连续随机过程在某个敏感时点的取值如何关联标量响应，以及轨迹的分形性质如何影响该时点的估计与推断？
- 方法与思路
- 作者提出点影响线性回归，假设轨迹具有类似分数布朗运动的自相似性质，并基于敏感时点的最小二乘估计构造自助置信区间。
- 材料陈述的贡献
- 摘要称该模型补充函数型线性回归，并讨论模型误设；敏感时点估计涉及非高斯极限，其收敛速度由 Hurst 指数决定。
- 阅读关注点
- 核对敏感时点的可识别条件、未知 Hurst 指数的处理、自助法有效性，以及函数型线性模型误设分析的具体方向。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；无法判断具体正则条件、极限分布形式及区间覆盖表现，也不能推断刊本变化。
原文摘要
This paper develops a point impact linear regression model in which the trajectory of a continuous stochastic process, when evaluated at a "sensitive time point", is associated with a scalar response. The proposed model complements and is more interpretable than the functional linear regression approach that has become popular in recent years. The trajectories are assumed to have fractal (self-similar) properties in common with a fractional Brownian motion with an unknown Hurst exponent. Bootstrap confidence intervals based on the least-squares estimator of the sensitive time point are developed. Misspecification of the point impact model by a functional linear model is also investigated. Non-Gaussian limit distributions and rates of convergence determined by the Hurst exponent play an important role.