Moments of the Least Squares Estimators in a Non-Linear Regression Model
非线性回归模型中最小二乘估计量的矩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：摘要讨论通用非线性回归估计理论，未提供所列经济计量细分方向的直接依据。
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
非线性回归模型中最小二乘估计量的矩
- 研究问题
- 在误差独立且服从正态分布的非线性回归中，如何更细致地刻画最小二乘估计量的偏差、方差及协方差？
- 方法与思路
- 作者将参数估计量展开为独立标准正态变量的幂级数，由此推导偏差及方差、协方差的高阶近似，并给出实例。
- 材料陈述的贡献
- 摘要称方差与协方差表达式比通常的信息矩阵逆近似多保留一项，并建立偏差、方差与 Beale 非线性度量的关系。
- 阅读关注点
- 应核对幂级数展开的成立条件、保留项与余项的处理、非线性度量的定义，以及 Richards 函数实例的适用范围。
- 阅读边界
- 仅依据 Crossref 摘要；展开的具体公式、误差控制与实例数值未提供，不能判断高阶修正在不同样本量下的实际效果。
原文摘要
Summary The least squares estimates of the parameters of a non-linear regression model with normal and independent errors are expanded as a power series in independent standardized normal variables. From this expansion, expressions are derived for the variances and covariances which include one term beyond the usual approximation by the inverse of the information matrix. Similarly, expressions for the biases are found and overall relationships between the biases, variances and Beale's measures of non-linearity. Data following the Richards' Function are used in an example.