Nonparametric covariate-adjusted regression
非参数协变量调整回归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：摘要中的协变量调整用于校正乘性观测畸变，未讨论因果识别，也未明确对应其他给定领域细分。
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…
非参数协变量调整回归
- 研究问题
- 当观测数据受到依赖于已观测混杂变量的乘性畸变时，如何恢复未畸变数据的回归曲线，并保持良好的渐近性质？
- 方法与思路
- 作者先预测未观测的无畸变数据，再构造多种非参数估计量；较一般的分段方法从曲线绝对值的常数倍估计中重建光滑曲线。
- 材料陈述的贡献
- 摘要称所提估计量虽依赖预测数据，却与直接使用无畸变数据的标准估计量具有相同的一阶渐近性质，并给出模拟和实例。
- 阅读关注点
- 应核对乘性畸变模型的识别限制、简单与分段方法各自的条件，以及曲线符号恢复和零点附近的处理如何影响估计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；畸变机制的具体条件与数值结果未说明，一阶渐近等价不能直接保证有限样本等价。
原文摘要
We consider nonparametric estimation of a regression curve when the data are observed with multiplicative distortion which depends on an observed confounding variable. We suggest several estimators, ranging from a relatively simple one that relies on restrictive assumptions usually made in the literature, to a sophisticated piecewise approach that involves reconstructing a smooth curve from an estimator of a constant multiple of its absolute value, and which can be applied in much more general scenarios. We show that, although our nonparametric estimators are constructed from predictors of the unobserved undistorted data, they have the same first-order asymptotic properties as the standard estimators that could be computed if the undistorted data were available. We illustrate the good numerical performance of our methods on both simulated and real datasets.