Generalized Ridge Regression: Biased Estimation for Multiple Linear Regression Models
广义岭回归：多元线性回归模型的有偏估计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。
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：摘要讨论通用线性回归的正则化估计，没有明确的因果、面板、时间序列或金融应用依据，故不作细分。
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…
广义岭回归：多元线性回归模型的有偏估计
- 研究问题
- 在线性回归解释变量非正交、普通最小二乘估计可能出现问题时，如何分析广义岭估计的误差、拟合及统计推断？
- 方法与思路
- 作者围绕广义岭回归开展估计分析，并讨论均方误差、拟合优度的计算和自助法推断；摘要未交代具体算法或公式。
- 材料陈述的贡献
- 摘要将贡献定位于较少被分析的广义岭回归，覆盖估计、误差评价和推断，但没有报告明确的性能改进或理论界。
- 阅读关注点
- 应核对广义惩罚参数的定义与选择、偏差和方差如何权衡、拟合优度的解释，以及自助法适用条件和比较基准。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未提供具体条件或结果，不能据此判断其优于普通岭回归。
原文摘要
When the regressors of a econometric linear model are nonorthogonal, it is well known that their estimation by ordinary least squares can present various problems that discourage the use of this model. The ridge regression is the most commonly used alternative; however, its generalized version has hardly been analyzed. The present work addresses the estimation of this generalized version, as well as the calculation of its mean squared error, goodness of fit and bootstrap inference.