Gradient-based smoothing parameter selection for nonparametric regression estimation

برآورد شیب ها از اهمیت حیاتی در گستره وسیعی از حوزه های اقتصادی کاربردی برخوردار است. در اینجا ما انتخاب پهنای باند تحت هدایت داده ها را بر اساس گرادیان یک تابع رگرسیون نامعلومی بررسی می کنیم. این مشکل دشوار است با توجه به اینکه مشاهده مستقیم ارزش گرادیان به طور معمول مشاهده نمی شود. روش ایجاد شده در اینجا پهنای باند را ارائه می دهد که به صورت صحیح رفتار می کنند، به طوری که آنها با دانستن شیب واقعی انتخاب می شوند. نمونه های شبیه سازی نشان می دهد که جذب نمونه های محدود این مکانیزم جدید و پیش بینی های نظری را تایید می کند.