Regression Lines and the Linear Functional Relationship
回归线与线性函数关系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：摘要讨论误差影响下的一般线性回归和函数关系，未说明结构经济模型或所列其他细分方向，分类依据不足。
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
回归线与线性函数关系
- 研究问题
- 原本具有线性多元回归关系的变量受到误差影响后，何种条件能保持回归线性，新回归系数与原系数有何关系？
- 方法与思路
- 作者分析误差影响下回归线性保持的条件及系数变化，继而讨论回归线与函数关系，并考察正态情形的估计和最小二乘方法。
- 材料陈述的贡献
- 摘要称，解决了误差作用后线性回归关系保持的问题，给出新旧系数联系，并据此讨论统计方法中的回归与函数关系。
- 阅读关注点
- 应核对误差与原变量的关系、保持线性的条件、正态假定在估计中的作用，以及对经典最小二乘方法批评的具体对象。
- 阅读边界
- 仅依据所给 Crossref 摘要；摘要未列明误差结构与识别限制，不能据此推断任意测量误差情形的偏差方向或校正方法。
原文摘要
Abstract The first half of this paper solves the following problem : if there is a linear multiple regression between n variates, under what conditions will the regression continue to be linear when the variates are influenced by error? The new regression coefficients are obtained in terms of the original coefficients. This leads in the second half to a discussion of the use of regression lines and functional relationships in statistical methodology. In the case of normal distributions the problem of estimation is discussed at some length. Since the classical work has used least squares methods a section relating to this work is included and some criticisms offered.