Nonparametric Density Estimation of a Long-Term Trend from Repeated Semicontinuous Data
重复半连续数据中长期趋势密度的非参数估计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：摘要讨论营养摄入的统计密度估计，未提供经济分布效应或所列面板模型等方向的明确依据。
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…
重复半连续数据中长期趋势密度的非参数估计
- 研究问题
- 对于反复观测、取值为零或正数的间歇性变量，如何减少两部分模型的分布限制并估计其长期趋势的密度？
- 方法与思路
- 作者对观测为非零值的条件概率 H 构造非参数估计，再估计长期趋势密度，并以模拟和长期水果摄入数据说明方法。
- 材料陈述的贡献
- 摘要明确提出放松非零发生概率的参数模型限制，补充此前针对正值部分的非参数处理，形成长期趋势密度估计方法。
- 阅读关注点
- 应核对长期趋势的定义、重复观测之间的依赖结构，以及 H 与趋势密度的识别条件、平滑选择和估计误差传播。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断重复观测要求、非参数估计条件与理论性质；不推断后续刊本变化。
原文摘要
We consider nonparametric estimation of the density of the long-term trend of a semicontinuous variable observed repeatedly over time. These variables arise when measuring the intensity of an intermittent phenomenon, such as the intake of an episodically consumed nutrient or the concentration of an intermittent toxic substance: when the phenomenon is absent, the measurement is equal to zero; otherwise, it is positive. Semicontinuous data are usually represented by a two-part model describing the zeros and the nonzeros separately, often under parametric assumptions. Recently, Camirand Lemyre et al. (2022) showed that it is possible to relax the distributional assumptions on the part that models the nonzeros, but like other existing work, they used a parametric model for the conditional probability H of observing a nonzero value. We develop a nonparametric estimator of H and of the density of the long-term trend. We illustrate our method on simulated examples and apply it to estimate the density of long-term fruit intake, using data from the Eating at America’s Table Study.