.png){kind=icon}
返回
Functional Partial Least-Squares: Adaptive Estimation and Inference
.png){kind=icon}
PRE
AI
DOI：10.1080/01621459.2025.2582874.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们研究了具有标量响应和函数预测因子的线性回归模型，这是一个不适定反问题的典型例子。我们证明，函数偏最小二乘（PLS）估计器在椭球类上达到了几乎是最小最大最优的收敛速率，并提出了一个自适应早期停止程序来选择PLS成分的数量。此外，我们开发了一种新的检验方法，用于检测参数局部替代假设。该检验可以反演构建函数斜率参数的置信集。模拟结果表明，该估计器相对于几种现有方法具有更好的性能，且所提出的检验具有良好的功效。我们将我们的方法应用于评估温度对玉米和大豆产量的非线性影响。我们提供了一个Python软件库fpls，实现了我们的方法。本文的补充材料可在网上获得，包括用于重现工作的材料的标准化描述。
Keyword:
Climate science
Functional linear regression
Functional partial least-squares
Inference
Rate-optimal and adaptive estimation
期刊
J
IF:
3
论文数:
5.2K
被引数:
4.8W
机构
引用论文
.png){kind=icon}
分享收藏Using basis expansions for estimating functional PLS regression Applications with chemometric data
OAAI
OAAI分享收藏
查看更多内容