Strong consistency in nonlinear stochastic regression models
非线性随机回归模型中的强一致性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：摘要明确将时间序列模型列为非线性随机回归所涵盖的对象，支持归入时间序列方法。
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
非线性随机回归模型中的强一致性
- 研究问题
- 对于涵盖时间序列、随机控制和随机逼近模型的非线性随机回归，能否在不使用偏导数的条件下保证最小二乘估计的强一致性？
- 方法与思路
- 作者提出另一组最小二乘一致性的充分条件，避免使用偏导数，其思路接近独立误差非随机回归模型中的既有条件。
- 材料陈述的贡献
- 摘要称论文为非线性随机回归提供一组替代的一致性充分条件，特点是不依赖偏导数；摘要没有给出条件的具体形式。
- 阅读关注点
- 应核对随机回归变量和误差的结构、参数可辨识与样本信息增长条件，以及新条件和既有条件之间是否存在包含关系。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要。摘要未列出充分条件，不能认定其更弱，也不能将强一致性直接用于任意非线性时间序列。
原文摘要
The class of nonlinear stochastic regression models includes most of the linear and nonlinear models used in time series, stochastic control and stochastic approximation schemes.The consistency of least squares estimators was established first by Lai.We present another set of sufficient conditions for consistency, which avoid the use of partial derivatives and are closer in spirit to the conditions presented by Wu for non-stochastic regression models with independent errors.