Efficient Estimation of the Nonparametric Mean and Covariance Functions for Longitudinal and Sparse Functional Data
纵向与稀疏函数数据中非参数均值和协方差函数的有效估计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：摘要明确针对纵向重复观测数据，研究均值与协方差结构的非参数估计。
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
纵向与稀疏函数数据中非参数均值和协方差函数的有效估计
- 研究问题
- 纵向及稀疏函数数据的观测有限且存在相关性时，如何非参数估计均值与协方差函数，并提高其线性泛函的估计效率？
- 方法与思路
- 作者结合完整拟似然与经修改的局部核平滑方法，估计均值和协方差函数，并通过模拟及艾滋病和大气研究数据评估。
- 材料陈述的贡献
- 摘要称，估计量具有一致性和渐近正态性，其线性泛函达到半参数效率，并以模拟展示相对比较方法的数值优势。
- 阅读关注点
- 应核对完整拟似然如何利用相关结构、核平滑与带宽选择，以及半参数效率针对的线性泛函和理论条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；效率结论限于所述线性泛函，摘要未给出条件、速率或比较数值，不能推断刊本变化。
原文摘要
We consider the estimation of mean and covariance functions for longitudinal and sparse functional data by using the full quasi-likelihood coupling a modification of the local kernel smoothing method. The proposed estimators are shown to be consistent, asymptotically normal, and semiparametrically efficient in terms of their linear functionals. Their superiority to the competitors is further illustrated numerically through simulation studies. The method is applied to analyze AIDS study and atmospheric study. Supplementary materials for this article are available online.