Least Squares Estimates and Parabolic Regression with Restricted Location for the Stationary Point
驻点位置受限的抛物线回归与最小二乘估计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：摘要研究一般形状约束回归与最小二乘计算，未明确涉及结构估计或其他所列细分。
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
驻点位置受限的抛物线回归与最小二乘估计
- 研究问题
- 拟合二次多项式回归时，如何限制其驻点位于给定区域，并据此满足指定自变量区间内的单调性和曲率要求？
- 方法与思路
- 作者给出驻点位置受限时回归系数的最小二乘计算方法，并以实例展示如何在连续有限区间内拟合严格递增且向上凸的曲线。
- 材料陈述的贡献
- 摘要称提供了受限二次回归系数的计算方法，并展示该理论可用于同时满足指定区间内严格递增和向上凸的拟合要求。
- 阅读关注点
- 应核对驻点区域约束如何转化为估计限制、边界解如何处理，以及实例中的驻点限制与单调性、曲率要求如何对应。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要中的幂次排版不完整，具体公式须查原 PDF，且未说明算法细节或统计推断性质。
原文摘要
It is sometimes desired to fit a second degree polynomial E(y|x) = α + βx + γx 2 to a set of data so that its stationary point will fall in a given region. Methods are shown to calculate a, b, c, the least squares estimates of the regression coefficients α, β, and γ. An example is given in which this theory is applied to fit a parabolic regression to a set of data so that in a given contiguous and finite region of the independent variable, the regression function is strictly increasing and concave upwards.