Power Transformations When Fitting Theoretical Models to Data
理论模型拟合中的幂变换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：摘要讨论物理模型下的一般非线性回归变换，缺乏经济结构估计的直接依据。
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
理论模型拟合中的幂变换
- 研究问题
- 已知响应的物理模型、但误差结构不清楚时，如何使用幂变换进行非线性回归，预先不知道正确变换会付出多大估计代价？
- 方法与思路
- 作者让响应与理论模型以相同方式同步变换，通过渐近理论和小规模蒙特卡洛研究分析模型参数估计，并给出应用示例。
- 材料陈述的贡献
- 摘要称，在所研究设定下，不预先知道正确变换对模型参数估计的代价较小，这与只变换响应的通常模型形成差异。
- 阅读关注点
- 应核对同步变换后的误差设定、变换参数与模型参数如何联合估计，以及“代价较小”的效率标准和渐近条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未量化效率损失，物理模型也不等同于经济结构识别。
原文摘要
We investigate power transformations in nonlinear regression problems when there is a physical model for the response but little understanding of the underlying error structure. In such circumstances, and unlike the ordinary power transformation model, both the response and the model must be transformed simultaneously and in the same way. We show by an asymptotic theory and a small Monte Carlo study that for estimating the model parameters there is little cost for not knowing the correct transform a priori; this is in dramatic contrast to the results for the usual case where only the response is transformed. Possible applications of the theory are illustrated by examples.