Nonparametric Estimation of Residual Variance Revisited
重新审视残差方差的非参数估计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：摘要讨论一般非参数回归中的残差方差估计，没有金融波动率或其他所列细分的直接证据。
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…
重新审视残差方差的非参数估计
- 研究问题
- 有限样本中，基于差分的残差方差估计量如何权衡偏差与方差，渐近方差最小是否足以带来较好的实际表现？
- 方法与思路
- 作者比较若干既有差分型估计量的有限样本表现，重点考察渐近方差最小方法的偏差，并提出折中型新估计量。
- 材料陈述的贡献
- 摘要称，渐近方差最小的既有方法存在严重有限样本偏差，较早的简单方法仍是良好选择，并提出兼顾偏差和方差的方案。
- 阅读关注点
- 应核对回归函数与误差条件、差分权重设计、比较标准及样本设置，并检查新估计量如何实现偏差方差折中。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；比较条件及具体结果未提供，不能认定新估计量在所有函数与样本规模下更优。
原文摘要
Several difference-based estimators of residual variance are compared for finite sample size. Since the introduction of a rather simple estimator by Gasser, Sroka & Jennen-Steinmetz (1986) other proposals have been made. Here the one given by Hall, Kay & Titterington (1990) is of particular interest. It minimizes the asymptotic variance. Unfortunately it has severe problems with finite sample bias, and the estimator of Gasser et al. (1986) proves still to be a good choice. A new estimator is introduced, compromising between bias and variance.