Curvature Measures for Multiresponse Regression Models
多响应回归模型的曲率度量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：摘要研究通用非线性回归的几何诊断，没有所列经济计量细分方向的明确证据。
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
多响应回归模型的曲率度量
- 研究问题
- 在基于 Box–Draper 准则的多响应非线性回归中，如何评估目标函数等值轮廓近似与模型局部线性化的可靠性？
- 方法与思路
- 作者固定响应协方差矩阵的极大似然估计，用广义最小二乘轮廓近似行列式轮廓，再构造非均匀性与曲率度量。
- 材料陈述的贡献
- 摘要称，将单响应非线性最小二乘的曲率分析扩展到多响应估计，并分别评估轮廓近似和模型函数线性近似的有效性。
- 阅读关注点
- 应核对两类轮廓的定义与近似依据、非均匀性指标的计算，以及曲率在参数估计邻域内如何解释和使用。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法判断近似误差的具体界限、诊断阈值或适用范围，亦不能推断刊本变化。
原文摘要
The Bates & Watts (1981) curvature measures developed for single response nonlinear least squares problems are extended to multiresponse parameter estimation problems based on the Box-Draper estimation criterion. Exact determination contours are approximated by contours of the generalised least squares model conditioned on the maximum likelihood estimate of the covariance matrix for the responses. By this approximation, curvature measures calculated for the generalised least squares can be related to the determinant contours. The assessment of nonlinearity for a multiresponse model presented in this study is two-fold. First, a nonuniformity measure is developed to measure the validity of the approximation of the determinant contours by generalised least squares contours. Secondly, curvature measures similar to those of Bates & Watts are calculated for the generalised least squares model to evaluate the validity of the linear approximation of the model functions in a neighbourhood of the parameter estimates.