A bias test for heteroscedastic linear least-squares regression
异方差线性最小二乘回归的偏差检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要仅涉及一般线性回归偏差检测，未明确研究因果参数或其他给定细分对象。
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
异方差线性最小二乘回归的偏差检验
- 研究问题
- 对于可能因遗漏变量、解释变量测量误差或联立性而产生偏差的线性最小二乘回归，能否构造简单的偏差检验？
- 方法与思路
- 作者提出一种检测线性最小二乘回归偏差的简单检验，并通过模拟与真实数据探索表现；摘要未说明统计量和异方差处理方式。
- 材料陈述的贡献
- 摘要明确陈述提出偏差检测方法并进行模拟和数据探索，但没有报告检验的理论性质、具体发现或相对已有方法的表现。
- 阅读关注点
- 应核对原假设究竟针对何种偏差、检验利用哪些可观测限制，以及异方差下的校准、功效和不同偏差来源的可区分性。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要极简，无法判断检验成立条件，也不能认为检验能辨别或修正所有内生性。
原文摘要
Linear least squares regression is subject to bias due to an omitted variable, a mismeasured regressor, or simultaneity. A simple test to detect the bias is proposed and explored in simulation and in real data sets.