Least squares regression with data arising from stratified samples of the dependent variable
因变量分层抽样数据的最小二乘回归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：摘要讨论抽样设计下的线性回归，未明确涉及因果识别、面板或其他所列细分方向。
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
因变量分层抽样数据的最小二乘回归
- 研究问题
- 当线性回归数据按因变量分层抽取，而残差分布不作具体指定时，如何利用这种抽样数据估计模型参数？
- 方法与思路
- 作者提出迭代估计方法，在给定抽样方案下估计残差分布，并将该分布估计纳入线性回归参数的计算。
- 材料陈述的贡献
- 摘要所述贡献是在不指定残差分布的情况下，为因变量分层抽样的线性回归提供参数估计方法及迭代思路。
- 阅读关注点
- 应核对抽样概率是否需要已知、残差分布如何恢复，以及迭代步骤、参数可识别条件与估计不确定性如何处理。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；摘要未说明一致性、效率、迭代收敛条件或模拟结果，不能据此推断。
原文摘要
A description is given of a method of estimating parameters in the linear regression model from data collected from stratified samples of the dependent variable. The residual distribution is allowed to be unspecified. The method is iterative and involves estimates of the residual distribution under the given sampling scheme.