Multiplicative Errors-in-Variables Models with Applications to Recent Data Released by the U.S. Department of Energy
乘性测量误差模型及其美国能源部数据应用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：摘要研究一般回归的乘性测量误差，能源数据应用未提供足够证据归入指定宏观或微观细分。
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
乘性测量误差模型及其美国能源部数据应用
- 研究问题
- 当回归解释变量受到乘性而非加性测量误差影响时，如何纠正最小二乘偏差，并对回归系数构造有效推断？
- 方法与思路
- 作者通过修正最小二乘估计的渐近偏差构造一致估计量，并利用估计协方差进行标准化，形成近似检验与置信集合。
- 材料陈述的贡献
- 摘要称提供乘性测量误差下的一致估计与渐近正态推断，结果主要具有非参数性质，并联系美国能源部数据应用。
- 阅读关注点
- 应核对乘性误差的矩条件、误差与真实变量的关系、偏差修正所需信息，以及协方差估计和能源数据的测量机制。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本，渐近正态陈述中的数学对象缺失，需查阅原 PDF；摘要未说明识别与一致性条件。
原文摘要
In an errors-in-variables model, the predicting variables are observed with errors. Traditionally, the errors are assumed to be additive. In this article, I consider the case in which the error is multiplicative, a situation that arises when analyzing some recent data released by the U.S. Department of Energy. A consistent estimator is provided for regression coefficients β by correcting the asymptotic bias of the least squares estimate. It is shown that , after being normalized by an estimate of its covariance, is asymptotically normally distributed. This can, therefore, be used to construct approximate tests and confidence sets for β. The results are essentially nonparametric.