Linear and nonlinear regression with stable errors
稳定分布误差下的线性与非线性回归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：摘要研究一般重尾回归及其计算，金融数据例子未明确对应波动率、风险或收益预测等细分方向。
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
稳定分布误差下的线性与非线性回归
- 研究问题
- 回归误差服从重尾稳定分布时，如何实施最大似然估计并构造参数置信区间，又如何扩展至更一般的回归模型？
- 方法与思路
- 作者介绍并评估线性回归最大似然程序，推导系数与误差参数的渐近 Fisher 信息矩阵，再扩展至非线性和非同质误差。
- 材料陈述的贡献
- 摘要提供全部参数的大样本区间构造，展示稳定及非稳定重尾误差模拟，并给出金融数据例子和模型扩展。
- 阅读关注点
- 核对稳定密度的数值计算、似然优化和信息矩阵推导，以及非稳定误差模拟与非同质误差扩展各自支持的结论。
- 阅读边界
- 仅依据所给出版社摘要；误设稳定分布时的推断有效性未说明，也未提供正则条件、程序细节或比较结果。
原文摘要
In this paper we describe methods and evaluate programs for linear regression by maximum likelihood when the errors have a heavy tailed stable distribution. The asymptotic Fisher information matrix for both the regression coefficients and the error distribution parameters are derived, giving large sample confidence intervals for all parameters. Simulated examples are shown where the errors are stably distributed and also where the errors are heavy tailed but are not stable, as well as a real example using financial data. The results are then extended to nonlinear models and to non-homogeneous error terms.