Minimax Designs in Linear Regression Models
线性回归模型中的极小极大设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般线性回归的最优实验设计，未明确涉及因果效应或所列其他经济计量细分方向。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
线性回归模型中的极小极大设计
- 研究问题
- 通常线性回归模型下，一类极小极大最优设计准则具有怎样的几何结构，如何据此理解不同最优性准则？
- 方法与思路
- 作者利用广义 Elfving 集及适当范数下的内接球向量，分析包含 Elfving 极小极大与 Kiefer 准则的设计类。
- 材料陈述的贡献
- 摘要称建立了这些设计与特定线性参数函数最优性的联系，解释 A、E 最优准则的特殊作用，并用于最高九次多项式回归。
- 阅读关注点
- 应核对广义 Elfving 集、范数及内接球向量的定义，设计之间的最优性联系，以及多项式回归实例的求解步骤。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；设计空间、准则细节和计算结果未说明，不能判断一般回归设计的最优性。
原文摘要
In the usual linear regression model we investigate the geometric structure of a class of minimax optimality criteria containing Elfving's minimax and Kiefer's $\phi_p$-criteria as special cases. It is shown that the optimal designs with respect to these criteria are also optimal for $A'\theta$, where $A$ is any inball vector (in an appropriate norm) of a generalized Elfving set. The results explain the particular role of the $A$- and $E$-optimality criterion and are applied for determining the optimal design with respect to Elfving's minimax criterion in polynomial regression up to degree 9.