Minimum Distance Estimation in Random Coefficient Regression Models
随机系数回归模型中的最小距离估计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：摘要明确将面板数据分析列为随机系数回归的应用，因此有直接文本依据归入面板数据方向。
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
随机系数回归模型中的最小距离估计
- 研究问题
- 在随机系数回归中，如何非参数估计未知的系数分布，以支持响应预测区域等推断，并处理逆变换估计的困难？
- 方法与思路
- 作者提出非参数最小距离方法估计随机系数分布，将估计逆 Radon 变换的困难转化为求解一个最小化问题。
- 材料陈述的贡献
- 摘要称，所提系数分布估计方法具有一致性，并说明随机系数框架涵盖面板分析、随机与混合效应等多种模型。
- 阅读关注点
- 应核对系数分布可识别的条件、最小距离准则及其计算方式，以及一致性如何适用于摘要提到的面板数据情形。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未给出识别条件、收敛速度或算法细节，也未报告预测区域的覆盖表现。
原文摘要
Random coefficient regression models are important in modeling heteroscedastic multivariate linear regression in econometrics. The analysis of panel data is one example. In statistics, the random and mixed effects models of ANOVA, deconvolution models and affine mixture models are all special cases of random coefficient regression. Some inferential problems, such as constructing prediction regions for the modeled response, require a good nonparametric estimator of the unknown coefficient distribution. This paper introduces and studies a consistent nonparametric minimum distance method for estimating the coefficient distribution. Our estimator translates the difficult problem of estimating an inverse Radon transform into a minimization problem.