Using SIMEX for Smoothing-Parameter Choice in Errors-in-Variables Problems
利用 SIMEX 选择变量含误差问题中的平滑参数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：摘要聚焦通用测量误差回归与平滑参数选择，未提供足以归入所列经济或金融细分方向的依据。
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…
关注这篇论文的作者
利用 SIMEX 选择变量含误差问题中的平滑参数
- 研究问题
- 在解释变量存在测量误差的非参数回归中，如何从数据选择平滑参数，使核、局部线性或样条等方法能够实际应用？
- 方法与思路
- 作者提出利用多个误差膨胀或重复测量数据集，通过模拟外推 SIMEX 的思路，为非参数估计选择平滑参数。
- 材料陈述的贡献
- 摘要称 SIMEX 可有效用于非参数变量含误差回归的平滑参数选择，并给出基于多个加噪数据集和外推的方案。
- 阅读关注点
- 应核对误差分布需要已知到何种程度、加噪数据如何生成、外推形式如何选择，以及平滑参数评价标准和适用范围。
- 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；摘要未说明理论保证、误差设定及具体比较结果。
原文摘要
SIMEX methods are attractive for solving curve estimation problems in errors-in-variables regression, using parametric or semiparametric techniques. However, nonparametric approaches are generally of quite a different type, being based on, for example, kernels, local-linear modeling, ridging, orthogonal series, or splines. All of these techniques involve the challenging (and not well studied) issue of empirical smoothing parameter choice. We show that SIMEX can be used effectively for selecting smoothing parameters when applying nonparametric methods to errors-in-variable regression. In particular, we suggest an approach based on multiple error-inflated (or remeasured) data sets and extrapolation.