Minimum Distance Methods Based on Quadratic Distances for Transforms in Simple Linear Regression Models
简单线性回归中基于变换二次距离的最小距离方法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：摘要讨论一般线性回归估计与误差分布检验，未明确涉及所列经济计量细分方向。
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
简单线性回归中基于变换二次距离的最小距离方法
- 研究问题
- 如何利用变换之间的二次距离构造简单线性回归估计和误差分布检验，改进后的估计何时具有有效性？
- 方法与思路
- 作者引入基于变换二次距离的最小距离估计量及检验统计量，推导其渐近性质，并分析改进估计量的有效性条件。
- 材料陈述的贡献
- 摘要称在误差分布对称且误差密度对数导数可由所用变换线性表示时，改进的二次距离估计量具有有效性。
- 阅读关注点
- 核对变换和二次距离的定义、权重选择、有效性的比较基准，以及误差分布检验所需的完整正则条件。
- 阅读边界
- 依据所给 Crossref 摘要；摘要未提供变换的具体形式和完整渐近条件，有效性结论不能延伸到任意误差分布。
原文摘要
SUMMARY Minimum distance estimators and test statistics based on quadratic distances for transforms are introduced in simple linear regression models. Asymptotic properties of quadratic distance estimators and tests for the error distributions are derived. The modified quadratic distance estimator is shown to be efficient provided that the error distribution is symmetric and the derivative of the logarithm of the error density is a linear combination of the transforms.