Least Squares Estimates and Parabolic Regression with Restricted Location for the Stationary Point
驻点位置受限的抛物线回归与最小二乘估计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：摘要讨论一般二次回归的参数约束，没有提供结构经济模型或其他所列细分的直接依据。
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
驻点位置受限的抛物线回归与最小二乘估计
- 研究问题
- 当二次回归曲线的驻点必须位于指定区域时，如何计算满足这一限制的最小二乘系数，并控制指定区间内的曲线形状？
- 方法与思路
- 作者给出驻点位置受限时的二次回归系数计算方法，并以有限连续区间内严格递增且开口向上的拟合作为示例。
- 材料陈述的贡献
- 摘要所述贡献是将驻点位置要求纳入二次回归的最小二乘计算，并展示该限制与区间内单调性和弯曲方向要求的联系。
- 阅读关注点
- 应核对驻点区域如何转化为系数约束、退化为线性函数时如何处理，以及边界解、可行性和最小二乘解的性质。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明求解步骤、解的唯一性和统计推断，示例不能代表所有形状限制问题。
原文摘要
It is sometimes desired to fit a second degree polynomial E(y|x) = α + βx + γx 2 to a set of data so that its stationary point will fall in a given region. Methods are shown to calculate a, b, c, the least squares estimates of the regression coefficients α, β, and γ. An example is given in which this theory is applied to fit a parabolic regression to a set of data so that in a given contiguous and finite region of the independent variable, the regression function is strictly increasing and concave upwards.