A Cross-Validatory Choice of Smoothing Parameter in Adaptive Location Estimation
自适应位置估计中平滑参数的交叉验证选择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：摘要研究一般位置参数估计和带宽选择，未明确涉及所列经济计量细分方向。
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
自适应位置估计中平滑参数的交叉验证选择
- 研究问题
- 构造基于核方法的自适应位置估计量时，如何从数据选择有效得分函数估计所用的带宽，并保留位置估计的自适应性质？
- 方法与思路
- 作者通过最小化交叉验证准则选择核估计有效得分函数的带宽，分析所得位置估计量，并用模拟比较有限样本表现。
- 材料陈述的贡献
- 摘要称数据驱动带宽下的估计量仍具自适应性；模拟中与 bootstrap 带宽选择表现相近，同时具有较大的计算优势。
- 阅读关注点
- 应核对自适应性的定义、密度与带宽条件、交叉验证目标及实现步骤，并检查模拟比较的样本量、分布和成本指标。
- 阅读边界
- 仅据版本未注明的索引摘要；自适应性条件和模拟数值未说明，不能把有限设计中的表现相近视为一般等效结论。
原文摘要
This article proposes a new data-driven method for selecting the smoothing parameter involved in constructing kernel-based adaptive location estimators. The method consists of minimizing a cross-validatory criterion with respect to the bandwidth occurring in the kernel-type estimators of the efficient score function. It is shown that the location estimator with a data-driven bandwidth selector is indeed an adaptive estimator. A simulation study reveals that the method is also practicable, showing that our estimator performs well in comparison with some other well-known location estimators. It also shows that our method has comparable finite sample performance with the bootstrap method of selecting the smoothing parameter and yet has great computational advantages.