Varying-coefficient additive models for functional data
函数型数据的变系数加性模型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：摘要研究通用函数型回归，交通数据应用未明确涉及所列时间序列、预测或面板方法。
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
函数型数据的变系数加性模型
- 研究问题
- 针对函数型响应，如何进一步扩展变系数模型与加性模型，使模型更充分反映响应的函数特征，并估计其中的非参数组成？
- 方法与思路
- 作者结合并扩展变系数与加性模型，提出估计非参数加性项和变系数项的简易算法，并研究各组成函数的渐近性质。
- 材料陈述的贡献
- 摘要称新模型比已有函数型扩展更灵活，提供组成函数的估计算法及渐近分析，并以交通数据说明模型的应用能力。
- 阅读关注点
- 应核对模型中各函数项如何分解及识别、函数观测的采样方式、平滑参数选择，以及各组成项渐近性质所需的条件。
- 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；摘要未给出模型具体形式、观测设计或比较结果，灵活性不能等同于预测优势。
原文摘要
Both varying-coefficient and additive models have been studied extensively in the literature as extensions to linear models. They have also been extended to deal with functional response data. However, existing extensions are still not flexible enough to reflect the functional nature of the responses. In this paper, we extend varying-coefficient and additive models to obtain a much more flexible model and propose a simple algorithm to estimate its nonparametric additive and varying-coefficient components. We establish the asymptotic properties of each component function. We demonstrate the applicability of the new model through analysis of traffic data.