An asymptotic theory for weighted least-squares with weights estimated by replication
利用重复观测估计权重的加权最小二乘渐近理论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：摘要属于通用异方差回归渐近理论，重复观测不足以直接认定为面板数据研究。
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
利用重复观测估计权重的加权最小二乘渐近理论
- 研究问题
- 异方差线性回归中，当每组重复观测很少、权重由样本估计时，加权最小二乘的一致性、收敛速度和方差如何变化？
- 方法与思路
- 作者分别用重复观测的样本方差及回归拟合误差平方的平均值估计方差，研究估计权重下的加权最小二乘渐近性质。
- 材料陈述的贡献
- 摘要称非对称分布下一般不一致；用样本方差时，两次重复即使在正态情形也不一致，三至五次重复收敛较慢。
- 阅读关注点
- 应核对渐近样本规模、重复数固定的设定、误差分布条件，以及两种权重构造分别对应的一致性和方差结论。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；“m - 6”处关系符号不清，不能重构重复数阈值，须查原 PDF；不能推断刊本变化。
原文摘要
SUMMARY We consider a heteroscedastic linear regression model with replication. To estimate the variances, one can use the sample variances or the sample average squared errors from a regression fit. We study the large-sample properties of these weighted least-squares estimates with estimated weights when the number of replicates is small. The estimates are generally inconsistent for asymmetrically distributed data. If sample variances are used based on m replicates, the weighted least-squares estimates are inconsistent for m =2 replicates even when the data are normally distributed. With between 3 and 5 replicates, the rates of convergence are slower than the usual square root of N. With m - 6 replicates, the effect of estimating the weights is to increase variances by (m - 5)/(m -3), relative to weighted least-squares estimates with known weights.