On the Nonparametric Estimation of Regression Functions
回归函数的非参数估计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：摘要仅涉及一般非参数回归估计及其渐近性质，没有所列因果、分布效应、面板或其他细分方向的明确证据。
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…
关注这篇论文的作者
回归函数的非参数估计
- 研究问题
- 针对Priestley与Chao提出的非参数回归函数估计技术，哪些条件支持强收敛和渐近正态性，权重函数应如何选择？
- 方法与思路
- 作者围绕既有非参数估计技术讨论强收敛与渐近正态性的条件，并专门分析权重函数的最优选择问题。
- 材料陈述的贡献
- 摘要所述工作是研究该估计技术的渐近性质及权重选择；摘要未给出具体条件、最优权重形式或与其他方法的比较。
- 阅读关注点
- 应核对回归设计、误差结构和函数光滑性要求，以及权重最优性的损失准则和强收敛、渐近正态性条件之间的区别。
- 阅读边界
- 仅据所给Crossref摘要；具体估计表达式、带宽处理和渐近条件未说明，不能据此判断有限样本表现或适用数据结构。
原文摘要
Summary We consider a nonparametric technique proposed by Priestley and Chao (1972) for estimating an unknown regression function. Conditions for strong convergence and asymptotic normality are discussed. Special consideration is given to the optimal choice of a weighting function.