The Set of Weighted Regression Estimates
加权回归估计的集合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：摘要讨论加权回归估计集合的通用几何理论，缺少所列领域细分的直接依据。
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
加权回归估计的集合
- 研究问题
- 当误差分布存在不确定性时，所有正对角权重对应的加权回归估计组成怎样的集合，如何描述其几何结构？
- 方法与思路
- 作者从广义最小二乘的正对角协方差矩阵出发，用残差为零的超平面刻画估计集合，并研究二维情形的计算方法。
- 材料陈述的贡献
- 摘要称该集合是若干有界凸多面体的并集，并提供二维轮廓描述方法及筛选决定集合凸包之加权回归的算法。
- 阅读关注点
- 应核对权重的允许范围、几何刻画所需的数据条件、集合与其凸包的区别，以及二维算法的具体效率依据。
- 阅读边界
- 所给为版本未注明的 OpenAlex 索引摘要；集合刻画不直接给出置信区域，摘要也未说明更高维算法表现。
原文摘要
We present in this article several results that characterize the set of all weighted regressions. The set of weighted regression estimates is the set of all generalized least squares estimates for covariance matrices that have positive weights on the diagonal and have zeroes elsewhere. The study of sets of estimates is a method for dealing with distributional uncertainty, which does not require the strong assumption of a particular distribution. We show that the set of weighted regressions is the union of the bounded convex polytopes formed by the hyperplanes on which residuals are zero. For the two-dimensional case, we provide a simple method for outlining the set and give an efficient method for selecting the weighted regressions that determine the convex hull of the set. Finally, we discuss two examples that illustrate the use of these results.