Smoothing Parameter Selection for a Class of Semiparametric Linear Models
一类半参数线性模型的平滑参数选择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：摘要讨论通用回归平滑与函数型预测变量；函数主成分回归本身不足以归入宏观或金融因子模型。
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
一类半参数线性模型的平滑参数选择
- 研究问题
- 在样条非参数、半参数及函数型回归中，广义交叉验证与限制最大似然的平滑参数选择有何共同结构，何时结果相同？
- 方法与思路
- 作者比较两种平滑参数选择方法的决定方程，利用其相似形式推导共同结果及取值相同的条件，并以函数型回归说明。
- 材料陈述的贡献
- 摘要称证明广义交叉验证与限制最大似然共享若干性质，推导二者给出相同平滑参数的条件，并应用于两个化学计量数据集。
- 阅读关注点
- 核对所研究半参数模型与粗糙度惩罚的形式、两种决定方程的对应关系，以及参数相同条件是否适用于实际数据设定。
- 阅读边界
- 仅据 Crossref 摘要。摘要未给出共同结果、相同取值条件或数值表现，不能认定两种方法普遍等价，也不能推断其他版本变化。
原文摘要
Summary Spline-based approaches to non-parametric and semiparametric regression, as well as to regression of scalar outcomes on functional predictors, entail choosing a parameter controlling the extent to which roughness of the fitted function is penalized. We demonstrate that the equations determining two popular methods for smoothing parameter selection, generalized cross-validation and restricted maximum likelihood, share a similar form that allows us to prove several results which are common to both, and to derive a condition under which they yield identical values. These ideas are illustrated by application of functional principal component regression, a method for regressing scalars on functions, to two chemometric data sets.