Comparison of Least Squares and Errors-in-Variables Regression, with Special Reference to Randomized Analysis of Covariance
最小二乘与误差变量回归的比较：聚焦随机化协方差分析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：摘要重点讨论随机化两组协方差分析，与随机实验中的组间效应估计直接相关。
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…
最小二乘与误差变量回归的比较：聚焦随机化协方差分析
- 研究问题
- 在解释变量存在测量误差时，若最小二乘仍能一致估计某些参数线性组合，它是否在渐近意义上优于误差变量估计？
- 方法与思路
- 作者比较两类估计量针对参数线性组合的渐近表现，考察上述猜想成立与失效的问题类别，重点讨论随机化两组协方差分析。
- 材料陈述的贡献
- 摘要称，这一优越性猜想一般不成立，但在若干重要问题类别中成立，随机化两组协方差分析是其中一个例子。
- 阅读关注点
- 应核对哪些参数组合可被一致估计、“优于”的评价标准，以及随机化设计和测量误差结构如何影响两类估计量的比较。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出猜想成立的具体条件或比较准则，不能推广到任意测量误差问题。
原文摘要
In an errors-in-variables regression model, the least squares estimate is generally inconsistent for the complete regression parameter but can be consistent for certain linear combinations of this parameter. We explore the conjecture that, when the least squares estimate is consistent for a linear combination of the regression parameter, it will be preferred to an errors-in-variables estimate, at least asymptotically. The conjecture is false, in general, but it is true for some important classes of problems. One such problem is a randomized two-group analysis of covariance, upon which we focus.