Confidence Bands in Non-Parametric Errors-In-Variables Regression
非参数测量误差回归的置信带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：摘要研究通用非参数测量误差回归，虽提及经济应用，但没有足够证据归入所列专门方向。
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…
非参数测量误差回归的置信带
- 研究问题
- 在解释变量存在测量误差的非参数回归中，如何评估条件均值函数估计的准确性，并控制置信带的覆盖误差？
- 方法与思路
- 作者提出非参数测量误差回归的置信带构造方法，并设计以减小置信带覆盖误差为目标的调参技术。
- 材料陈述的贡献
- 摘要称，工作将重点从均值函数估计扩展到其准确性的经验评估，贡献包括针对置信带覆盖误差的调参方法。
- 阅读关注点
- 应核对误差分布与识别所需的信息、置信带的覆盖定义、偏差处理，以及调参目标如何在实际样本中实现。
- 阅读边界
- 仅据所给 Crossref 摘要版本；摘要未说明误差信息要求、置信带构造细节与覆盖保证，不能假定任意测量误差均可处理。
原文摘要
Summary Errors-in-variables regression is important in many areas of science and social science, e.g. in economics where it is often a feature of hedonic models, in environmental science where air quality indices are measured with error, in biology where the vegetative mass of plants is frequently obscured by mismeasurement and in nutrition where reported fat intake is typically subject to substantial error. To date, in non-parametric contexts, the great majority of work has focused on methods for estimating the mean as a function, with relatively little attention being paid to techniques for empirical assessment of the accuracy of the estimator. We develop methodologies for constructing confidence bands. Our contributions include techniques for tuning parameter choice aimed at minimizing the coverage error of confidence bands.