Estimating a Smooth Monotone Regression Function
光滑单调回归函数的估计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：摘要研究一般单调非参数回归，没有明确讨论分位数或分布效应等所列方向。
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
光滑单调回归函数的估计
- 研究问题
- 估计光滑单调回归函数时，先核平滑再施加单调约束与反过来执行这两个步骤，会如何影响渐近性质和均方误差？
- 方法与思路
- 作者比较核估计与相邻违反者合并算法的两种执行顺序，通过高阶随机展开研究平滑和单调化操作的交互作用。
- 材料陈述的贡献
- 摘要称，高阶展开揭示均方误差排序与核函数光滑程度有关；但一阶等价陈述重复使用同一估计量记号，所指对象需核对。
- 阅读关注点
- 应查阅原文确认一阶等价结论中的估计量记号，并核对“核不太光滑”的精确定义、展开条件与均方误差比较范围。
- 阅读边界
- 所给 OpenAlex 摘要版本未注明，且一阶等价句重复记号，不能自行纠正；具体对象、公式和光滑条件需查阅原 PDF。
原文摘要
The problem of estimating a smooth monotone regression function $m$ will be studied. We will consider the estimator $m_{SI}$ consisting of a smoothing step (application of a kernel estimator based on a kernel $K$) and of a isotonisation step (application of the pool adjacent violator algorithm). The estimator $m_{SI}$ will be compared with the estimator $m_{IS}$ where these two steps are interchanged. A higher order stochastic expansion of these estimators will be given which show that $m_{SI}$ and $m_{SI}$ are asymptotically first order equivalent and that $m_{IS}$ has a smaller mean squared error than $m_{SI}$ if and only if the kernel function of the kernel estimator is not too smooth.