A Generalized Least-Squares Approach to Linear Functional Relationships
线性函数关系的广义最小二乘方法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：摘要研究带相关观测偏差的线性函数关系，未明确提出经济结构模型或其他所列细分领域，故留空。
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
线性函数关系的广义最小二乘方法
- 研究问题
- 当观测值偏离其对应的真实数学变量，且这些偏差可能相关时，如何估计变量之间预设的线性函数关系？
- 方法与思路
- 作者推广最小二乘原则以处理相关观测偏差，详细分析二变量情形，并讨论单一线性关系下的多变量扩展。
- 材料陈述的贡献
- 摘要称，方法可处理相关偏差；单一线性关系扩展到多个变量无需新原则，并给出一个生长研究应用。
- 阅读关注点
- 应核对观测偏差的分布及相关结构、线性关系的估计约束，以及二变量推导向多变量情形扩展的适用条件。
- 阅读边界
- 仅据所给 Crossref 摘要。误差协方差是否已知、具体估计公式和性质未说明，不能据题名推断为通常因变量误差回归。
原文摘要
Summary A linear functional relationship between mathematical variables is postulated. The problem considered is the estimation of this relationship given observed random variate values, various assumptions being made about the distribution of the departures of these from the corresponding mathematical variable values. The least-squares principle is generalized to deal with cases in which these departures are correlated. The bivariate case is considered in detail. Extension to p variates involves no new principle if only a single linear relationship is postulated. A simple application in growth studies is discussed.