ダウンロード数 : ?
ファイル
言語
英語
著者
工藤 雅紀 島根大学大学院総合理工学研究科
内藤 貫太 島根大学大学院総合理工学研究科
内容記述(抄録等)
This article is concerned with data sharpening (DS) technique in nonparametric regression under the setting where the multivariate predictor is embedded in an unknown low-dimensional manifold. Theoretical asymptotic bias is derived, which reveals that the proposed DS estimator has a reduced bias compared to the usual local linear estimator. The asymptotic normality of the DS estimator is also developed. It can be confirmed from simulation and applications to real data that the bias reduction for the DS estimator supported on unknown manifold is evident.
主題
Bias reduction
Data sharpening
Manifold
Non parametric regression
掲載誌名
Communications in statistics. Theory and methods
46
23
開始ページ
11721
終了ページ
11744
ISSN
03610926
発行日
2017-08-24
DOI
DOI公開日
2017-01-13
出版者
Taylor & Francis
資料タイプ
学術雑誌論文
ファイル形式
PDF
権利関係
This is an Accepted Manuscript of an article published by Taylor & Francis in 'Communications in statistics. Theory and methods' on 2017, available online: http://www.tandfonline.com/doi/full/10.1080/03610926.2016.1277756.
The full-text file will be made open to the public on August 25, 2018 in accordance with publisher's 'Terms and Conditions for Self-Archiving'.
著者版/出版社版
著者版
業績ID
e31576
部局
(旧組織)大学院総合理工学研究科