ESTIMATION IN AN ADDITIVE MODEL WHEN THE COMPONENTS ARE LINKED PARAMETRICALLY
分量具有参数联系时的加性模型估计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：摘要明确研究非参数加性自回归模型，直接支持时间序列分类。
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…
分量具有参数联系时的加性模型估计
- 研究问题
- 在加性分量之间存在参数联系的非参数加性自回归中，如何估计联系参数，并避免第一阶段平滑估计必须采用欠平滑？
- 方法与思路
- 作者采用两步程序：先不施加参数联系，分别用非参数平滑估计各加性分量，再利用分量之间的参数限制估计联系参数。
- 材料陈述的贡献
- 摘要称，该方法能以参数速率估计联系参数，并给出正态极限；第一阶段无需欠平滑，研究动机来自一个非参数 GARCH 模型。
- 阅读关注点
- 应核对分量联系的具体形式、参数识别条件、平滑偏差如何进入第二阶段，以及参数速率和无需欠平滑结论成立的依赖条件。
- 阅读边界
- 所给 Crossref 摘要未说明联系函数、带宽条件及渐近方差；不能据此认定任意加性模型限制都能获得参数速率或免于欠平滑。
原文摘要
Motivated by a nonparametric GARCH model we consider nonparametric additive autoregression models in the special case that the additive components are linked parametrically. We show that the parameter can be estimated with parametric rate and give the normal limit. Our procedure is based on two steps. In the first step nonparametric smoothers are used for the estimation of each additive component without taking into account the parametric link of the functions. In a second step the parameter is estimated by using the parametric restriction between the additive components. Interestingly, our method needs no undersmoothing in the first step.