On the geometry of measurement error models
测量误差模型的几何结构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：摘要讨论一般线性模型的测量误差推断，没有明确因果识别、结构估计或其他给定细分的依据。
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
测量误差模型的几何结构
- 研究问题
- 当经典线性模型的协变量存在测量误差，且误差相对数据总变异较小时，如何利用几何结构改善统计推断？
- 方法与思路
- 作者从几何角度提出适用于小测量误差的新模型，并构造利用该结构的推断技术，通过模拟研究说明方法。
- 材料陈述的贡献
- 摘要称，所提模型具有良好推断性质，相关技术计算简单、有效且对测量误差稳健，但未给出具体性能指标。
- 阅读关注点
- 应核对“小误差”的定量定义、几何模型与通常测量误差模型的关系，以及效率和稳健性所采用的评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；误差分布、识别条件和模拟数值未说明，不能推断其适用于大测量误差。
原文摘要
The problem of undertaking inference in the classical linear model when the covariates have been measured with error is investigated from a geometric point of view. Under the assumption that the measurement error is small, relative to the total variation in the data, a new model is proposed which has good inferential properties. An inference technique which exploits the geometric structure is shown to be computationally simple, efficient and robust to measurement error. The method proposed is illustrated by simulation studies.