Residual variance and residual pattern in nonlinear regression
非线性回归中的残差方差与残差模式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：摘要主要讨论一般回归方差估计与诊断，仅有纵向数据应用不足以确认面板方法分类。
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…
非线性回归中的残差方差与残差模式
- 研究问题
- 如何以非参数方法估计非线性回归的残差方差，并在数据分析早期识别异方差、异常值及参数模型的拟合问题？
- 方法与思路
- 作者基于局部线性拟合构造残差方差估计量，通过模拟比较有限样本性质，并用纵向生长数据展示模型诊断用途。
- 材料陈述的贡献
- 摘要称，估计量渐近偏差较小，但方差高于线性回归中的参数估计量；方法还可辅助发现残差异常和检查参数模型拟合。
- 阅读关注点
- 应核对局部拟合与平滑参数选择、偏差方差比较的适用设定，以及异方差诊断和纵向数据应用如何处理观测依赖。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；平滑条件、模拟数值及纵向依赖处理未说明，诊断用途不能直接理解为正式检验保证，版本变化未知。
原文摘要
A nonparametric estimator of residual variance in nonlinear regression is proposed. It is based on local linear fitting. Asymptotically the estimator has a small bias, but a larger variance compared with the parametric estimator in linear regression. Finite sample properties are investigated in a simulation study, including a comparison with other nonparametric estimators. The method is also useful for spotting heteroscedasticity and outliers in the residuals at an early stage of the data analysis. A further application is checking the fit of parametric models. This is illustrated for longitudinal growth data.