EFFICIENT ESTIMATION OF GENERALIZED ADDITIVE NONPARAMETRIC REGRESSION MODELS
广义可加非参数回归模型的有效估计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：摘要主要研究通用广义可加回归，条件异方差仅作为扩展，尚不足以确定给定领域细分。
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…
关注这篇论文的作者
广义可加非参数回归模型的有效估计
- 研究问题
- 广义可加非参数回归能否采用更有效的估计方法并达到某些 oracle 界？方法如何扩展到多参数分布模型和条件异方差模型？
- 方法与思路
- 作者提出新的估计程序，考虑基于线性指数族的准则函数，并讨论 gamma 等多参数模型及条件异方差模型中的扩展。
- 材料陈述的贡献
- 摘要称新程序比所比较的积分法更有效，并达到某些 oracle 界，同时涵盖重要特殊情形；具体效率度量和界的形式未说明。
- 阅读关注点
- 应核对可加结构、链接函数与准则函数的条件，了解 oracle 比较中哪些成分被视为已知，并检查多参数及异方差扩展的实现方式。
- 阅读边界
- 仅据所给 Crossref 摘要，不能判断效率优势的条件、实际幅度或有限样本成本；条件异方差扩展未明确金融应用，也无版本比较依据。
原文摘要
We define new procedures for estimating generalized additive nonparametric regression models that are more efficient than the Linton and Härdle (1996, Biometrika 83, 529–540) integration-based method and achieve certain oracle bounds. We consider criterion functions based on the Linear exponential family, which includes many important special cases. We also consider the extension to multiple parameter models like the gamma distribution and to models for conditional heteroskedasticity.