Curvatures for Parameter Subsets in Nonlinear Regression
非线性回归中参数子集的曲率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：摘要属于一般非线性回归的几何与区间近似理论，未说明所列经济或金融领域的专门模型。
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
非线性回归中参数子集的曲率
- 研究问题
- 在正态非线性回归模型中，如何度量任意参数子集的非线性程度，并判断单个参数的线性化近似置信区间是否适用？
- 方法与思路
- 作者将既有相对曲率度量扩展到参数子集，从似然函数推导原有度量，并研究内在曲率可忽略时参数效应曲率信息的作用。
- 材料陈述的贡献
- 摘要称子集曲率能够指示单参数线性化置信区间的有效性；内在曲率可忽略时，原参数效应曲率数组含有所需构造信息。
- 阅读关注点
- 应核对子集曲率的定义、参数化依赖性、内在曲率可忽略的判据，以及曲率指标如何对应置信区间近似的实际误差。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；有效性判据与误差界未说明，不能推断曲率度量本身保证精确覆盖或适用于非正态模型。
原文摘要
The relative curvature measures of nonlinearity proposed by Bates and Watts (1980) are extended to an arbitrary subset of the parameters in a normal, nonlinear regression model. In particular, the subset curvatures proposed indicate the validity of linearization-based approximate confidence intervals for single parameters. The derivation produces the original Bates-Watts measures directly from the likelihood function. When the intrinsic curvature is negligible, the Bates-Watts parameter-effects curvature array contains all information necessary to construct curvature measures for parameter subsets.