Semiparametric Generalized Least Squares in the Multivariate Nonlinear Regression Model
多元非线性回归中的半参数广义最小二乘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：摘要涉及一般多方程非线性回归与异方差处理，未明确对应所列具体领域。
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
多元非线性回归中的半参数广义最小二乘
- 研究问题
- 在多方程非线性回归存在未知形式异方差时，如何估计条件方差矩阵，并据此构造具有渐近效率的参数估计量？
- 方法与思路
- 作者用非参数最近邻方法估计条件方差矩阵，再据此构造广义最小二乘估计量，摘要同时提到蒙特卡洛实验。
- 材料陈述的贡献
- 摘要称，该方法在未知形式异方差下获得渐近有效的多方程非线性回归估计，并报告若干模拟实验。
- 阅读关注点
- 应核对条件方差矩阵的估计对象、最近邻参数选择、矩阵可逆性处理，以及效率结论的基准和成立条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断效率结论的具体范围或模拟表现；摘要没有提供数值结果和有限样本比较。
原文摘要
Asymptotically efficient estimates for the multiple equations nonlinear regression model are obtained in the presence of heteroskedasticity of unknown form. The proposed estimator is a generalized least squares based on nonparametric nearest neighbor estimates of the conditional variance matrices. Some Monte Carlo experiments are reported.