Additive partial linear models with measurement errors
含测量误差的加性部分线性模型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：摘要研究通用半参数回归中的测量误差，未明确涉及因果效应、结构估计或其他所列细分。
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…
含测量误差的加性部分线性模型
- 研究问题
- 加性部分线性模型的线性协变量存在测量误差时，如何校正目标参数估计，并减少非参数平滑偏差对参数推断的影响？
- 方法与思路
- 作者提出衰减校正与模拟外推估计，通过剖面程序降低偏差，分析相关渐近性质，并用模拟和一项精液研究数据考察表现。
- 材料陈述的贡献
- 摘要称衰减校正估计量渐近正态且无需欠平滑，相较所述反向拟合方法放松平滑要求；另讨论模拟外推的渐近性质。
- 阅读关注点
- 应核对测量误差模型及误差信息来源、剖面程序与平滑条件，区分两类估计量各自的理论结论，并查看模拟外推设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；误差分布、校正所需信息与正则条件未说明，不能把无需欠平滑的结论直接赋予模拟外推估计。
原文摘要
We consider statistical inference for additive partial linear models when the linear covariate is measured with error. We propose attenuation-to-correction and simulation-extrapolation, simex, estimators of the parameter of interest. It is shown that the first resulting estimator is asymptotically normal and requires no undersmoothing. This is an advantage of our estimator over existing backfitting-based estimators for semiparametric additive models which require undersmoothing of the nonparametric component in order for the estimator of the parametric component to be root-n consistent. This feature stems from a decrease of the bias of the resulting estimator, which is appropriately derived using a profile procedure. A similar characteristic in semiparametric partially linear models was obtained by Wang et al. (2005). We also discuss the asymptotics of the proposed simex approach. Finite-sample performance of the proposed estimators is assessed by simulation experiments. The proposed methods are applied to a dataset from a semen study.