Strong Consistency of Least Squares Estimates in Normal Linear Regression
正态线性回归中最小二乘估计的强相合性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：摘要研究一般线性回归的强相合性，未提供所列具体应用领域的分类依据。
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
正态线性回归中最小二乘估计的强相合性
- 研究问题
- 在线性回归中，什么条件能使样本回归系数几乎必然收敛到总体回归系数？摘要关注正态情形下的强相合性。
- 方法与思路
- 摘要在通常的线性回归模型下，结合因变量的正态分布与解释变量二阶矩矩阵逆趋于零的条件，讨论最小二乘收敛。
- 材料陈述的贡献
- 摘要称，在所述正态分布和矩阵收敛条件下，样本回归系数以概率一收敛到总体回归系数，给出强相合性结论。
- 阅读关注点
- 应核对通常线性模型的完整设定、二阶矩矩阵的确切定义，以及正态性和矩阵逆收敛条件如何进入强相合性证明。
- 阅读边界
- 仅据稿件版本未注明的索引摘要，无法判断完整模型条件、矩阵可逆性要求及结论能否推广到非正态情形。
原文摘要
In the usual linear regression model the sample regression coefficients converge with probability one to the population regression coefficients when the dependent variables are normally distributed and the inverse of the second-order moment matrix of the independent variables converges to the zero matrix.