On Estimating the Slope of a Straight Line when Both Variables are Subject to Error
两个变量均含测量误差时的直线斜率估计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：摘要研究一般测量误差回归，没有明确涉及因果识别、结构经济模型或其他给定细分方向。
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
两个变量均含测量误差时的直线斜率估计
- 研究问题
- 当解释变量和响应变量都受到不可观测误差影响时，如何估计潜在线性关系的斜率，并在候选估计量中作出选择？
- 方法与思路
- 作者在潜在解释变量与两类加性误差构成的模型中提出一类斜率估计量，分析渐近分布，并讨论其中较好估计量的选择。
- 材料陈述的贡献
- 摘要称该估计类在较弱假设下渐近正态，并给出以真斜率为中心的分布及方差缩减阶，还提供类内选择方法。
- 阅读关注点
- 应核对误差与潜在变量的关系、斜率识别条件和选择准则，特别确认摘要所述方差阶及相应标准化方式。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未展开弱假设与识别依据；所述方差阶需结合全文核对，不能套用通常的根号样本量结论。
原文摘要
Let $X_i$ and $Y_i$ be random variables related to other random variables $U_i, V_i$, and $W_i$ as follows: $X_i = U_i + W_i, Y_i = \alpha + \beta U_i + V_i, i = 1, \cdots, n$, where $\alpha$ and $\beta$ are finite constants. Here $X_i$ and $Y_i$ are observable while $U_i, V_i$ and $W_i$ are not. This model is customarily referred to as the regression problem with errors in both variables and the central question is the estimation of $\beta$. We give a class of estimates for $\beta$ which are asymptotically normal with mean $\beta$ and variance proportional to $1/n^{\frac{1}{2}}$, under weak assumptions. We then show how to choose a good estimate of $\beta$ from this class.