Topics in the Investigation of Linear Relations Fitted by the Method of Least Squares
最小二乘拟合线性关系的若干研究主题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：摘要覆盖通用线性回归计算与诊断，没有明确所列经济计量细分领域的应用或模型结构。
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
最小二乘拟合线性关系的若干研究主题
- 研究问题
- 论文回顾线性关系拟合中的计算、变量分析与残差诊断问题，并讨论误差具有长尾分布时最小二乘的可能替代方法。
- 方法与思路
- 作者讨论计算机辅助统计计算、向量分量分析、逐步回归和残差拟合检验，并考虑 Pearson VII 型误差下的似然计算。
- 材料陈述的贡献
- 摘要所述贡献是综述多种线性拟合与诊断思路，讨论长尾误差下的替代方法，并以文献中已有观测资料说明。
- 阅读关注点
- 应核对各方法的具体目标、逐步回归与残差检验的使用方式，以及长尾误差模型和似然计算所依赖的设定。
- 阅读边界
- 仅据所给 Crossref 摘要；材料未说明具体证明、比较结果或版本变化，不能把综述性讨论解释为统一的新估计理论。
原文摘要
Summary Various topics are reviewed: the effect of modern computers on statistical calculation; analysis by vector components rather than analysis merely of variance; “stepwise regression”; testing goodness of fit by examining residuals. Possible alternatives to the method of least squares appropriate when the distribution of errors has long tails, and computation of the likelihood function resulting from a Pearson Type VII distribution of errors, are considered. Some of the methods discussed are illustrated by study of several sets of observations already well known in the literature.