Robust Procedures for Estimating Polynomial Regression
多项式回归估计的稳健程序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：摘要讨论一般回归的设计与模型偏离稳健性，未提供所列计量领域细分的直接研究对象。
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
多项式回归估计的稳健程序
- 研究问题
- 当回归函数包含设定次数的多项式和一个较小的更高次多项式偏离时，如何选择稳健的估计量与设计？
- 方法与思路
- 作者把标准设计和标准估计量作线性组合，形成新的估计程序，并在计算案例中与标准程序比较稳健性。
- 材料陈述的贡献
- 摘要称所计算的案例显示该程序具有可取的稳健性质；这一陈述仅覆盖这些案例，未给出普遍优势结论。
- 阅读关注点
- 应核对较小偏离的量化方式、线性组合权重与稳健性指标，以及比较结果依赖哪些多项式次数和设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明稳健性准则、偏离范围或具体结果，不能推断刊本变化。
原文摘要
In this article we seek good estimators and designs for estimating a regression function, when the function is assumed to be a polynomial of given degree plus a “small” polynomial of given higher degree. We propose a procedure using designs and estimators which are linear combinations of standard designs and estimators, and verify that in the cases computed our procedure shows desirable robustness properties when compared with the standard procedure.