본 논문은 가변계수모형(varying coefficient models)의 추정에 관한 것으로, 이는 변수 간 회귀 관계를 분석하는 데 매우 유용하다고 여겨진다. 본 논문의 목적은 세 가지이다. 첫째, 모형 구성요소를 식별하기 위한 구조를 존중하는 제약(structure-respecting constraint)을 발전시킨 새로운 형태의 가변계수 회귀를 도입한다. 둘째, 문헌에서 크게 결여되어 있는 가변계수모형 추정을 위한 국소선형 커널 스무딩(locally linear kernel smoothing) 접근법에 대한 완전한 고찰을 전개한다. 셋째, 국소선형 가변계수 회귀에 적용된 편의(bias) 감소 기법을 다루며, 이는 온화한 조건(mild condition)에서 성공적인 것으로 나타난다. 본 연구에서는 반응변수(response variables)가 일반적인 힐베르트 공간(general Hilbert space)의 값을 갖는 경우에 대해 방법론과 이론을 개발한다. 관련 투영 연산자(projection operators)에 대한 이론, 반복적 백핏팅(iterative backfitting) 알고리즘의 수렴, 추정기의 오차율(error rates)과 점근분포(asymptotic distributions)를 논의한다. 또한 제안된 접근법의 성공을 보여주는 몇 가지 시뮬레이션 결과도 포함한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.