A simple smooth backfitting method for additive models
加性模型的一种简便平滑后拟合方法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：摘要讨论通用加性非参数回归，未明确对应所列因果、面板、结构估计或其他细分。
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…
关注这篇论文的作者
加性模型的一种简便平滑后拟合方法
- 研究问题
- 在加性回归模型中，能否保持Nadaraya–Watson平滑后拟合的简便结构，同时实现各分量仿佛其他分量已知的渐近精度？
- 方法与思路
- 作者提出新的平滑后拟合估计，采用类似Nadaraya–Watson方法的简单结构，并追求局部线性平滑后拟合的预言性质。
- 材料陈述的贡献
- 摘要称每个加性分量都能达到其他分量已知时的相同渐近精度，从而将简单估计结构与局部线性方法的预言性质结合。
- 阅读关注点
- 应核对新估计的构造、带宽和边界处理、加性分量的归一化，以及预言性质所需条件和渐近精度的具体含义。
- 阅读边界
- OpenAlex摘要未注明稿件版本，也未说明正则条件、有限样本表现或计算成本；渐近性质不能直接视为实际样本优势。
原文摘要
In this paper a new smooth backfitting estimate is proposed for additive regression models. The estimate has the simple structure of Nadaraya–Watson smooth backfitting but at the same time achieves the oracle property of local linear smooth backfitting. Each component is estimated with the same asymptotic accuracy as if the other components were known.