Robust Line Estimation with Errors in Both Variables
双变量均含测量误差时的稳健直线估计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：摘要研究通用测量误差回归与稳健估计，未提供足以对应所列领域细分的应用或模型证据。
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
双变量均含测量误差时的稳健直线估计
- 研究问题
- 当解释变量与被解释变量都含测量误差时，如何估计直线，并降低小样本和离群值对传统正交回归的影响？
- 方法与思路
- 作者以按误差协方差重标度的正交回归为起点，引入依赖稳健初始斜率的修正，并通过单变量模型模拟考察表现。
- 材料陈述的贡献
- 摘要称，初始估计足够好时，修正方法在小样本中也能抵抗离群污染；同时讨论初始斜率候选并模拟其中一种。
- 阅读关注点
- 应核对误差协方差如何获得、初始斜率何谓足够好，以及污染机制和样本规模如何影响修正方法的稳健表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。稳健性依赖初始估计质量，具体条件与模拟数值未说明，不能推断其他稿件或刊本变化。
原文摘要
The estimator holding the central place in the theory of the multivariate “errors-in-the-variables” (EV) model results from performing orthogonal regression on variables rescaled according to the covariance matrix of the errors. Our simulations on the univariate model essentially relegate this estimator to use only in large samples on data with no trace of outlier contamination. A modification requiring a robust preliminary slope is proposed that essentially sets out the generalization to EV of the robust w-estimator in regression. It is demonstrated that the modification is robust to outlier contamination even in small samples, given a sufficiently good preliminary estimator. Candidates for a preliminary slope estimator based on the data are discussed and the performance of one under simulation is examined.