Estimation of nonlinear models with Berkson measurement errors
含 Berkson 型测量误差的非线性模型估计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：摘要研究通用非线性回归测量误差，未说明经济结构模型、因果效应或其他所列细分对象。
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
含 Berkson 型测量误差的非线性模型估计
- 研究问题
- 在一般非线性回归中，预测变量含 Berkson 型测量误差，且误差分布不必正态时，如何构造可计算且有渐近保证的估计量？
- 方法与思路
- 作者利用响应变量给定观测预测变量的前两个条件矩构造最小距离估计，并以模拟方法处理目标函数中的多重积分。
- 材料陈述的贡献
- 摘要称，测量误差可采用一般参数分布，回归随机误差分布作非参数处理，并推导两种估计量的一致性与渐近正态性。
- 阅读关注点
- 应核对条件矩是否足以识别参数、测量误差分布的参数化限制，以及模拟积分精度如何影响一致性和渐近方差。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，识别与正则条件未说明，不能认定结论适用于任意测量误差分布或所有非线性模型。
原文摘要
This paper is concerned with general nonlinear regression models where the predictor variables are subject to Berkson-type measurement errors. The measurement errors are assumed to have a general parametric distribution, which is not necessarily normal. In addition, the distribution of the random error in the regression equation is nonparametric. A minimum distance estimator is proposed, which is based on the first two conditional moments of the response variable given the observed predictor variables. To overcome the possible computational difficulty of minimizing an objective function which involves multiple integrals, a simulation-based estimator is constructed. Consistency and asymptotic normality for both estimators are derived under fairly general regularity conditions.