Locally optimal designs for errors-in-variables models
变量测量误差模型的局部最优设计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：摘要聚焦测量误差下的非线性回归实验设计，未明确涉及经济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
变量测量误差模型的局部最优设计
- 研究问题
- 非线性回归的协变量存在测量误差时，如何构造局部最优实验设计，测量误差和参数设定偏差会怎样影响设计选择与效率？
- 方法与思路
- 作者分别针对最大似然与最小二乘估计发展近似设计理论，为三类非线性回归模型给出局部 D 最优饱和设计的解析刻画。
- 材料陈述的贡献
- 摘要称，理论说明了测量误差对设计选择的影响；具体应用中，局部 D 最优饱和设计在参数取值小幅误设时仍具有较高效率。
- 阅读关注点
- 应核对测量误差模型、局部设计依赖的参数值和 D 最优准则，以及最小二乘非凹优化的求解与误设稳健性的评价范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未提供误差假设、解析条件或效率数值，小幅误设结果不能推广至严重误设。
原文摘要
We consider the construction of optimal designs for nonlinear regression models when there are measurement errors in the covariates. Corresponding approximate design theory is developed for maximum likelihood and least-squares estimation, with the latter leading to nonconcave optimization problems. Analytical characterizations of the locally D-optimal saturated designs are provided for the Michaelis–Menten, |$E_{\rm max}$| and exponential regression models. Through concrete applications, we illustrate how measurement errors in the covariates affect the optimal choice of design and show that the locally D-optimal saturated designs are highly efficient for relatively small misspecifications of the parameter values.