The Limiting Distribution of Least Squares in an Errors-in-Variables Regression Model
测量误差回归模型中最小二乘估计的极限分布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：摘要研究通用测量误差回归的渐近理论，未明确涉及因果识别或结构估计。
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…
测量误差回归模型中最小二乘估计的极限分布
- 研究问题
- 解释变量存在测量误差且普通最小二乘参数估计不一致时，哪些参数估计的线性组合仍具有可用于推断的极限分布？
- 方法与思路
- 作者研究最小二乘估计量特定线性组合的联合渐近分布，并称在适当正则条件下得到渐近正态性。
- 材料陈述的贡献
- 摘要称建立了相关线性组合的联合渐近正态结果，并将部分方法论后果指向另一篇配套论文，未在本材料中展开。
- 阅读关注点
- 应核对线性组合的定义、收敛中心、测量误差结构及协方差表达式，并区分本文分布理论与配套论文中的推断方法。
- 阅读边界
- OpenAlex 索引摘要版本未注明，介绍已有线性组合结果的句子残缺；不能补判其一致性，具体对象与条件需核对原文。
原文摘要
It is well-known that the ordinary least squares (OLS) estimator $\hat{\beta}$ of the slope and intercept parameters $\beta$ in a linear regression model with errors of measurement for some of the independent variables (predictors) is inconsistent. However, Gallo (1982) has shown that certain linear combinations of $\beta$. In this paper, it is shown that under reasonable regularity conditions such linear combinations of $\hat{\beta}$ are (jointly) asymptotically normally distributed. Some methodological consequences of our results are given in a companion paper (Carroll, Gallo and Gleser (1985)).