Least Squares Regression with Data Arising from Stratified Samples of the Dependent Variable
因变量分层抽样数据的最小二乘回归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：摘要涉及因变量分层抽样下的回归，未明确因果、面板、离散选择或结构模型。
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
因变量分层抽样数据的最小二乘回归
- 研究问题
- 数据按因变量分层抽样而非按普通抽样取得时，如何在不指定残差分布的情况下估计线性回归参数？
- 方法与思路
- 作者提出迭代估计方法，在给定因变量分层抽样方案下估计残差分布，并将其用于回归参数估计。
- 材料陈述的贡献
- 摘要描述了一种允许残差分布未指定的参数估计方法，其特点是结合抽样方案进行残差分布的迭代估计。
- 阅读关注点
- 核对分层边界和抽样概率的信息要求、参数与残差分布的更新步骤，以及识别、收敛和推断依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；一致性、渐近分布与迭代收敛均未说明，不能声称方法消除了所有抽样偏差。
原文摘要
A description is given of a method of estimating parameters in the linear regression model from data collected from stratified samples of the dependent variable. The residual distribution is allowed to be unspecified. The method is iterative and involves estimates of the residual distribution under the given sampling scheme.