The Empirical Distribution Function of Residuals from Generalised Regression
广义回归残差的经验分布函数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：摘要重点是一般回归残差经验过程的极限理论，未明确条件分位数或分布效应估计，故不据分布一词归类。
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
广义回归残差的经验分布函数
- 研究问题
- 在回归参数需要估计时，广义残差经验分布的渐近行为如何变化，能否通过调整获得布朗桥极限？
- 方法与思路
- 作者在回归和参数估计量的正则条件下分析广义残差经验分布，并考察向极大似然估计量加入随机调整的作用。
- 材料陈述的贡献
- 摘要称，文章确定广义残差经验分布的渐近行为，且对极大似然估计量作随机调整后可得到熟悉的布朗桥极限。
- 阅读关注点
- 应核对广义残差的定义、参数估计对经验过程的影响、随机调整如何构造，以及调整后的极限适用于哪些模型。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明正则条件和调整方式，也未直接给出可用的诊断检验。
原文摘要
Generalised residuals, as defined by Cox and Snell, may be thought of as residuals from generalised regression. Under regularity conditions on the regression and on the estimator of the unknown parameters, the asymptotic behaviour of the empirical distribution of these residuals is determined. The addition of a random adjustment to the maximum likelihood estimator leads to the familiar Brownian bridge as the limit.