Conservative estimates of the variances of regression parameter estimators for classes of error model
误差模型类别下回归参数估计量方差的保守估计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：摘要聚焦通用回归方差估计，序列误差仅为可选类别，尚不足以确定所列细分领域。
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
误差模型类别下回归参数估计量方差的保守估计
- 研究问题
- 当回归误差模型只能粗略指定时，如何保守估计广义最小二乘参数估计量的方差，避免夸大估计精度？
- 方法与思路
- 作者针对误差模型类别构造保守方差估计，允许序列结构误差，并用独立但可能异方差的例子比较加权 jackknife。
- 材料陈述的贡献
- 摘要称所得精度估计在误差模型指定不精确时具有保守性，同时指出每次应用需要大量计算，并给出数值例子。
- 阅读关注点
- 应核对误差模型类别如何界定、保守性是何种统计保证、广义最小二乘权重的处理，以及计算需求与比较结果。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；保守性保证的具体条件与数值表现未说明，不能推广到任意误差设定。
原文摘要
Robust estimates of precision are obtained for generalized least-squares regression parameter estimators. They are robust in the sense of being conservative estimates of the variances of the parameter estimators when the error model is imprecisely specified. Serially-structured errors are one possible class. Substantial amounts of computing are required in each application. A numerical example is given in which errors are independent but do not necessarily have equal variances and results are compared with those obtained using a weighted jackknife estimator.