Truncated Linear Models for Functional Data
函数型数据的截断线性模型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：摘要研究函数型回归的未知支撑与可识别性，未明确结构变化或其他所列细分主题。
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
函数型数据的截断线性模型
- 研究问题
- 函数型线性回归中，若系数函数或解释函数的有效支撑只是观测区间内未知的子区间，如何估计该范围并识别模型参数？
- 方法与思路
- 作者重点研究从区间起点延伸至未知端点的支撑，提出两种联合估计截距、系数函数与端点的方法，并设计调节参数选择技术。
- 材料陈述的贡献
- 摘要称提供联合估计与调参方法，通过模拟和颗粒物排放数据考察性质，并推导理论结果，尤其强调模型的可识别性。
- 阅读关注点
- 应核对支撑属于系数函数还是解释函数、端点可识别的条件、两种估计方法的差异，以及调参和理论性质之间的关系。
- 阅读边界
- 仅据所给 Crossref 摘要；两种方法的细节、识别条件、收敛性质和应用数值未提供，不能推广至任意形状的未知支撑。
原文摘要
Summary A conventional linear model for functional data involves expressing a response variable Y in terms of the explanatory function X (t), via the model Y=a+∫Ib(t)X(t)dt+error, where a is a scalar, b is an unknown function and I=[0,α] is a compact interval. However, in some problems the support of b or X, I1 say, is a proper and unknown subset of I, and is a quantity of particular practical interest. Motivated by a real data example involving particulate emissions, we develop methods for estimating I1. We give particular emphasis to the case I1=[0,θ], where θ ∈ (0, α], and suggest two methods for estimating a, b and θ jointly; we introduce techniques for selecting tuning parameters; and we explore properties of our methodology by using both simulation and the real data example mentioned above. Additionally, we derive theoretical properties of the methodology and discuss implications of the theory. Our theoretical arguments give particular emphasis to the problem of identifiability.