Asymptotic Theory of Nonlinear Least Squares Estimation
非线性最小二乘估计的渐近理论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：摘要属于通用非线性回归渐近理论，没有足够依据归入结构估计或其他给定领域。
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
非线性最小二乘估计的渐近理论
- 研究问题
- 线性回归最小二乘一致性的充要条件能否推广到非线性模型，以及何时能够保证估计的一致性与渐近正态性？
- 方法与思路
- 作者考察非线性模型的类似条件，分别处理有限与任意紧参数空间，并在 C(S) 中运用强大数定律建立渐近理论。
- 材料陈述的贡献
- 摘要称，该条件是任何弱一致估计存在的必要条件，在有限参数空间下保证非线性最小二乘强一致，并建立渐近正态性。
- 阅读关注点
- 核对必要条件的准确表述、紧参数空间下所需的附加条件，以及渐近正态性对误差和回归函数提出的要求。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；紧参数空间结论需要附加条件，其具体内容及正态性条件未说明。
原文摘要
For a linear regression model, the necessary and sufficient condition for the asymptotic consistency of the least squares estimator is known. An analogous condition for the nonlinear model is considered in this paper. The condition is proved to be necessary for the existence of any weakly consistent estimator, including the least squares estimator. It is also sufficient for the strong consistency of the nonlinear least squares estimator if the parameter space is finite. For an arbitrary compact parameter space, its sufficiency for strong consistency is proved under additional conditions in a sense weaker than previously assumed. The proof involves a novel use of the strong law of large numbers in $C(S)$. Asymptotic normality is also established.