Two Linear Programming Algorithms for Unbiased Estimation of Linear Models
线性模型无偏估计的两种线性规划算法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：摘要讨论通用线性模型的估计算法，未明确涉及所列计量细分领域。
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
线性模型无偏估计的两种线性规划算法
- 研究问题
- 在绝对残差和最小化与最大绝对残差最小化可能产生非唯一解时，如何通过算法选择获得无偏的线性模型估计量？
- 方法与思路
- 作者分别围绕两种残差最小化原则设计算法，其关键要素是线性规划与一个具有“反对称”性质的初始估计量。
- 材料陈述的贡献
- 摘要称两种算法能够产生无偏估计量，突出非唯一最优解情形下，计算算法本身对最终估计量性质的影响。
- 阅读关注点
- 应核对反对称初始估计量的定义、非唯一解的选择规则与无偏性条件；摘要缺失的模型符号需查阅原 PDF。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；模型公式和估计对象有缺失，不能重构，具体假设与证明需查原 PDF。
原文摘要
Consider the estimation of in the familiar linear model . It is well-known that the least squares estimation principle yields an un-biased estimator . Two alternative estimation principles sometimes considered are the minimization of the sum of absolute residuals and the minimization of the maximum absolute residual. Since these alternative principles do not usually lead to a unique estimator, the latter depends on the computational algorithm used. We develop two algorithms which are based upon these alternative principles and yield unbiased estimators. The algorithms' essential features are the use of linear programming and an “antisymmetrical” initial estimator.