我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
广义加性模型在具有非高斯响应的多元非参数回归(包括二进制和计数数据)中受到统计学家和数据分析师的欢迎。本文提出了一种新的拟合广义可加模型的似然方法。它旨在最大化平滑的可能性。通过求解非线性积分方程组来估计可加函数。基于牛顿-康托洛维奇定理,提出了一种基于平滑反射的迭代算法。讨论了估计量的渐近性质和算法的收敛性。结果表明,我们基于局部线性拟合的方案与使用其他成分知识的预言估计量具有相同的偏差和方差。与最近提出的两阶段估计器的数值比较[安。统计师。 32(2004)2412–2443]。
Kyusang Yu。 再见。公园。 Enno Mammen公司。 “广义加性模型中的平滑反求。” 安。统计师。 36 (1) 228 - 260, 2008年2月。 https://doi.org/10.1214/009053607000000596