Linear Regression with Randomly Dispersed Parameters
参数随机分散的线性回归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：摘要明确包含个体重复观测及个体内固定、个体间随机的回归参数结构。
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
参数随机分散的线性回归
- 研究问题
- 个体回归系数来自共同多元正态分布且在个体的连续观测间固定时，如何估计系数总体分布和各个体参数？
- 方法与思路
- 作者推导参数均值、离散程度及扰动方差的最大似然估计，再据此构造个体参数向量的经验贝叶斯估计。
- 材料陈述的贡献
- 摘要称给出了上述最大似然与经验贝叶斯估计，并在参数离散程度已知的情形下展示估计量的性质。
- 阅读关注点
- 应核对个体内观测与扰动的假设、参数离散程度的定义、似然计算方式，以及已知与未知离散程度下结果的差别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未说明误差结构、样本条件或具体性质，不能把已知离散程度下的结果推广到未知情形。
原文摘要
Consider a collection of individual linear regression models, in which each individual parameter vector is independently drawn from a common multivariate normal distribution and is fixed over successive observations on that individual. Maximum likelihood estimators of the mean and dispersion of the parameters and of the disturbance variance are derived. These estimators yield empirical Bayes estimators of the individual parameter veotors. The properties of the estimators are exhibited in the case where the parameter dispersion is known.