Penalized quasi-likelihood estimation in partial linear models
部分线性模型中的惩罚准似然估计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：摘要提供一般半参数回归估计框架，未明确涉及因果、面板或其他所列细分。
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
部分线性模型中的惩罚准似然估计
- 研究问题
- 当条件均值经由已知函数连接线性参数部分与未知函数部分时，如何刻画部分线性模型中惩罚准似然估计的渐近性质？
- 方法与思路
- 作者在含未知参数和未知函数的部分线性均值模型中，使用经验过程理论推导惩罚准似然估计量的渐近性质。
- 材料陈述的贡献
- 摘要明确陈述的贡献是对该估计量进行渐近分析，但未说明具体获得了哪些一致性、收敛速度或极限分布结果。
- 阅读关注点
- 应核对均值连接函数、惩罚形式、函数空间及平滑参数选择，并确认参数部分和函数部分各自的渐近结论。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体定理、正则条件与惩罚设定均未说明，不能补推渐近正态性或效率结论。
原文摘要
Consider a partial linear model, where the expectation of a random variable Y depends on covariates $(x, z)$ through $F(\theta_0 x + m_0(z))$, with $\theta_0$ an unknown parameter, and $m_0$ an unknown function. We apply the theory of empirical processes to derive the asymptotic properties of the penalized quasi-likelihood estimator.