Estimation for a partial-linear single-index model
部分线性单指标模型的估计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：摘要属于一般半参数回归估计，未提供离散选择、经济结构或因果解释的明确依据。
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…
部分线性单指标模型的估计
- 研究问题
- 如何同时估计部分线性单指标模型中的未知连接函数、指标参数和线性参数，并为参数推断提供渐近理论依据？
- 方法与思路
- 作者提出两阶段估计程序，利用受约束估计方程估计指标参数，同时估计非参数连接函数、线性部分参数和结构误差方差。
- 材料陈述的贡献
- 摘要称，两类参数估计具有渐近正态性，指标估计的极限方差小于既有估计，连接函数达到最优收敛率，并支持置信域与检验。
- 阅读关注点
- 应核对指标归一化、约束方程及平滑参数条件，明确较小极限方差的比较对象，并查看模拟、真实数据应用和多指标扩展范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；最优速率的函数类、效率比较条件和应用数据未说明，不能推断有限样本优势或刊本变化。
原文摘要
In this paper, we study the estimation for a partial-linear single-index model. A two-stage estimation procedure is proposed to estimate the link function for the single index and the parameters in the single index, as well as the parameters in the linear component of the model. Asymptotic normality is established for both parametric components. For the index, a constrained estimating equation leads to an asymptotically more efficient estimator than existing estimators in the sense that it is of a smaller limiting variance. The estimator of the nonparametric link function achieves optimal convergence rates, and the structural error variance is obtained. In addition, the results facilitate the construction of confidence regions and hypothesis testing for the unknown parameters. A simulation study is performed and an application to a real dataset is illustrated. The extension to multiple indices is briefly sketched.