Measuring the Precision of Statistical Cost Allocations
衡量统计成本分摊的精度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：摘要研究的是回归支持的间接成本分摊及其统计精度，没有明确的因果、面板、时间序列或金融研究对象，因此暂不分类。
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
衡量统计成本分摊的精度
- 研究问题
- 用多元回归估计间接成本分摊权重时，如何衡量最终成本分摊的统计精度，避免仅看系数标准误或相关系数而产生误判？
- 方法与思路
- 作者以线性预测理论和贝叶斯推断构造替代的成本分摊方法及精度度量，并通过一项大学间接成本研究说明这些方法的应用。
- 材料陈述的贡献
- 摘要指出，常规标准误与相关系数可能误导对成本分摊精度的判断；作者提出替代分摊方案和精度指标，并给出应用示例。
- 阅读关注点
- 阅读全文时应核对分摊结果与回归系数不确定性的关系、替代精度指标的定义，以及贝叶斯先验和大学案例中的实施细节。
- 阅读边界
- 摘要未给出精度指标公式、先验设定或案例结果，因此不能判断不同分摊方案的精度差异，也不能确定对其他成本分摊场景的适用性。
原文摘要
This article examines the use of regression analysis for allocating indirect costs. When multiple regression is used to estimate the weights of several allocation factors, conventional standard errors and correlation coefficients can be misleading with respect to the statistical precision of the cost allocations. This article develops alternative allocation approaches and measures of precision that use linear prediction theory and Bayesian inference. The proposed methods are illustrated using a university indirect cost study.