The effects of measurement error on parameter estimation
测量误差对参数估计的影响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：摘要研究通用测量误差与 M 估计，所称结构型属于误差模型分类，未提供经济结构估计或其他细分方向的依据。
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
测量误差对参数估计的影响
- 研究问题
- 在线性与非线性模型以及允许相关测量误差的情形中，如何评估原本一致的 M 估计量的渐近偏差并减小该偏差？
- 方法与思路
- 作者建立一般变量含误差框架，利用已知或可估计的测量误差方差评估并减小偏差，进一步研究广义线性模型。
- 材料陈述的贡献
- 摘要称框架涵盖函数型和结构型情形及相关测量误差，并给出广义线性模型应用的渐近分布与小规模模拟。
- 阅读关注点
- 核对偏差分析采用的渐近框架、误差方差如何获知或估计，以及减偏估计量的剩余偏差和方差代价。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；较小偏差不等于消除偏差，误差方差未知且不可估时的适用性也未说明。
原文摘要
This paper presents a general formulation of the errors-in-variables problem, which encompasses both linear and nonlinear models, functional and structural cases, and dependent measurement errors. It is assumed that the parameter of interest is estimated by an M-estimator which is consistent in the absence of measurement error, and it is shown how to assess the asymptotic bias in this estimator when error is present, and how to construct an estimator with smaller bias. The method requires knowledge or estimability of the measurement error variance. The application of this technique to the class of generalized linear models is studied in some detail; asymptotic distributions are derived and results from a small Monte Carlo study are presented.