Bootstrap and Cross-Validation Estimates of the Prediction Error for Linear Regression Models
线性回归预测误差的Bootstrap与交叉验证估计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：摘要研究通用回归预测误差评估，未涉及宏观预测、收益预测或其他所列专门方向。
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
线性回归预测误差的Bootstrap与交叉验证估计
- 研究问题
- 在线性回归中，bootstrap与交叉验证如何估计均方预测误差，其偏差和均方误差如何随模型维度等条件变化？
- 方法与思路
- 作者推导多种bootstrap与交叉验证预测误差估计量，在正态误差分布下比较偏差和均方误差，并讨论校正与分组变体。
- 材料陈述的贡献
- 摘要在所考察设定下推荐偏差校正bootstrap，并称其模拟变体表现近似；未校正方法的比较则依赖维度等条件。
- 阅读关注点
- 应核对预测误差的目标定义、偏差校正公式、正态误差下的比较条件，以及模型维度和模型误差的具体含义。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，无法确认推荐结论的完整适用范围，不能将其推广到非正态误差或一般非线性模型。
原文摘要
Different estimates of the mean squared error of prediction for linear regression models are derived by the bootstrap and cross-validation approaches. A comparison is made under normal error distributions, especially by the biases and the mean square errors. The results indicate that the bias corrected bootstrap estimator is best unbiased and should be the first choice, while its simulated variant has approximately the same behaviour. On the other hand, if only a comparison between uncorrected estimators is made (with implications for nonlinear regression models in mind), then other variants of bootstrap estimates are preferable for a large or a small dimension of the model parameter. For a small dimension, the cross-validation estimate and sometimes grouped variants of it seem also to be acceptable if the model error is known to be small.