Regression Smoothing Parameters that are not Far from their Optimum
更接近最优值的回归平滑参数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：摘要研究通用回归平滑参数的渐近性质，未提供所列领域细分的直接依据。
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
更接近最优值的回归平滑参数
- 研究问题
- 数据驱动带宽接近最优值的速度较慢时，改以期望平均平方误差为优化目标，能否获得更快的带宽近似？
- 方法与思路
- 作者区分样本平均平方误差与其期望对应的最优带宽，利用双重平滑构造后者的估计并研究渐近分布。
- 材料陈述的贡献
- 摘要称在一定条件下，非随机最优带宽可以更快地近似，并给出相对带宽误差经适当缩放后的渐近正态结论。
- 阅读关注点
- 应核对两种误差目标与最优带宽的区别、双重平滑的实现，以及较快收敛结论依赖的具体正则条件。
- 阅读边界
- 材料为版本未注明的OpenAlex索引摘要；公式的上下标排版不清，需查阅原PDF确认速率，摘要未说明具体条件。
原文摘要
Abstract It is well known that data-driven regression smoothing parameters ħ based on cross-validation and related methods exhibit a slow rate of convergence to their optimum. In an earlier article we showed that this rate can be as slow as n –1/10; that is, for a bandwidth ħ 0 optimizing the averaged squared error, n 1/10 (ħ — ħ 0)/ħ 0 tends to an asymptotic normal distribution. In this article we consider mean averaged squared error optimal bandwidths h 0. This (nonrandom) smoothing parameter can be approximated much faster. We use the technique of double smoothing to show that there is an ħ such that, under certain conditions, n 1/2(ħ − h 0)/h 0 tends to an asymptotic normal distribution.