Nonlinear Regression With Variance Components
含方差分量的非线性回归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：裂区与嵌套实验中的随机效应并不直接构成面板数据研究，摘要未给出其他指定领域依据。
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
含方差分量的非线性回归
- 研究问题
- 在非线性均值模型与加性随机效应相结合的裂区或嵌套实验中，如何估计均值模型参数并建立渐近性质？
- 方法与思路
- 作者提出估计广义最小二乘与基于评分法的最大似然估计，并借助最小二乘强一致性定理的推广分析估计性质。
- 材料陈述的贡献
- 摘要称两类估计量可被证明具有强一致性、渐近正态性和渐近有效性，但没有列出这些结论所需的具体条件。
- 阅读关注点
- 应核对随机效应与误差设定、方差分量的估计方式、渐近抽样结构，以及一致性和有效性定理的假设范围。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要。分布假设、渐近结构与效率基准未提供，不能将结论扩展到任意随机效应模型。
原文摘要
The nonlinear model with variance components, which combines a nonlinear model for the mean with additive random effects, is applicable to split-plot and nested experiments. We propose two methods of estimation for the parameters of the nonlinear model for the mean: (1) estimated generalized least squares (EGLS), and (2) maximum likelihood (MLE) by the method of scoring. Using a generalization of Klimko and Nelson's theorem on strong consistency of least squares estimators, it is possible to show that both the MLE and the EGLS estimators are strongly consistent, asymptotically normal, and asymptotically efficient.