Estimation in additive models with highly or nonhighly correlated covariates
高度相关及非高度相关协变量下的加性模型估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确将利率预测列为研究动机，支持预测方向分类，但未说明具体预测效果。
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…
高度相关及非高度相关协变量下的加性模型估计
- 研究问题
- 协变量高度相关时，如何估计非参数加性模型的各个分量，并针对相关程度不同的情形选择合适的估计方法？
- 方法与思路
- 作者为高度相关协变量提出积分估计，为非高度相关情形提出合并回代估计，并分析渐近正态性与有限样本表现。
- 材料陈述的贡献
- 摘要称提出两种新的加性分量估计方法并建立渐近正态性，通过模拟和实际数据展示其用途，动机包括利率预测。
- 阅读关注点
- 应核对高度相关的形式化定义、加性分量的识别约束、两种估计的适用边界，以及利率预测应用的评价设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列相关程度阈值、完整条件或预测结果，不能判断预测改善幅度。
原文摘要
Motivated by normalizing DNA microarray data and by predicting the interest rates, we explore nonparametric estimation of additive models with highly correlated covariates. We introduce two novel approaches for estimating the additive components, integration estimation and pooled backfitting estimation. The former is designed for highly correlated covariates, and the latter is useful for nonhighly correlated covariates. Asymptotic normalities of the proposed estimators are established. Simulations are conducted to demonstrate finite sample behaviors of the proposed estimators, and real data examples are given to illustrate the value of the methodology.