Exploring Regression Structure Using Nonparametric Functional Estimation
利用非参数泛函估计探索回归结构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：摘要是非参数回归结构诊断，未明确涉及经济结构估计或所列其他应用方向。
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
利用非参数泛函估计探索回归结构
- 研究问题
- 如何通过回归函数的平均导数泛函，诊断模型限制、减少维度，并评估解释变量重要性、非线性及非加性程度？
- 方法与思路
- 作者基于核回归估计积分型平均导数泛函，分析其渐近性质，并用这些泛函评估回归形式限制及投影寻踪结构。
- 材料陈述的贡献
- 摘要称在一定条件下相关泛函可按通常参数速率估计，并可辅助降维、结构诊断及投影方向和方向数量的确定。
- 阅读关注点
- 应核对参数速率所需的平滑性与带宽条件、各结构诊断对应的泛函，以及投影方向可识别性和方向数量选择的条件。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，不能推断刊本变化；摘要未列出速率与识别条件，也未给出诊断的有限样本表现。
原文摘要
Average derivative functionals of regression are proposed for nonparametric model selection and diagnostics. The functionals are of the integral type, which under certain conditions allows their estimation at the usual parametric rate of n –1/2. We analyze asymptotic properties of the estimators of these functionals, based on kernel regression. These estimators can then be used for assessing the validity of various restrictions imposed on the form of regression. In particular, we show how they could be used to reduce the dimensionality of the model, assess the relative importance of predictors, measure the extent of nonlinearity and nonadditivity, and, under certain conditions, help identify projection directions in projection pursuit models and decide on the number of these directions.