Superefficiency in nonparametric function estimation
非参数函数估计中的超效率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：摘要研究一般非参数估计的效率理论，未明确关联所列计量领域细分。
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…
非参数函数估计中的超效率
- 研究问题
- 非参数密度或回归函数估计中的固定参数渐近陈述，可能出现哪些超效率现象，其程度如何受结构假设限制？
- 方法与思路
- 作者先用自适应核估计展示固定参数分析中的超效率，再在四种一般设置下系统研究可达到的超效率程度。
- 材料陈述的贡献
- 摘要称不同于正则参数问题，非参数情形中每个参数点都可能成为超效率点，并说明可达程度取决于各设置的结构假设。
- 阅读关注点
- 应核对超效率的风险基准、固定点与一致风险陈述的区别，以及“每个点都可能”涉及的量词和四种设置的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；每个点可能超效率不意味着同一估计量处处同时超效率，具体结论需核对全文。
原文摘要
Fixed parameter asymptotic statements are often used in the context of nonparametric curve estimation problems (e.g., nonparametric density or regression estimation). In this context several forms of superefficiency can occur. In contrast to what can happen in regular parametric problems, here every parameter point (e.g., unknown density or regression function) can be a point of superefficiency. We begin with an example which shows how fixed parameter asymptotic statements have often appeared in the study of adaptive kernel estimators, and how superefficiency can occur in this context. We then carry out a more systematic study of such fixed parameter statements. It is shown in four general settings how the degree of superefficiency attainable depends on the structural assumptions in each case.