Optimal Robust Designs: Linear Regression in $R^k$
多维线性回归的最优稳健设计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：摘要研究回归模型误设下的通用实验设计，未涉及因果识别、面板结构或所列其他具体领域方向。
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
多维线性回归的最优稳健设计
- 研究问题
- 当线性回归的条件均值包含未知但有界的污染项时，如何选择设计，使最小二乘估计在最坏情形下保持较好表现？
- 方法与思路
- 作者在给定污染包络下研究一族极小极大准则，构造多维情形中类似 D、A、E 最优设计的稳健设计并比较整数设计。
- 材料陈述的贡献
- 摘要称在适当选择因子水平时，星点设计和二水平析因设计的规则重复具有较高效率，并确定部分常用设计的相对效率。
- 阅读关注点
- 应核对污染包络、各极小极大损失和设计空间的定义，以及因子水平选择和整数设计效率比较依赖的具体条件。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；稳健性针对有界均值污染，摘要未支持对任意异常值或任意设计准则的推广。
原文摘要
The model $E(y \mid x) = \theta_0 + \sum^k_{i=1} \theta_ix_i + \psi(\mathbf{x})$ is considered, where $\psi(\mathbf{x})$ is an unknown contamination with $| \psi(\mathbf{x})|$ bounded by given $\varphi(\mathbf{x})$. Optimal designs are studied in terms of least squares estimation and a family of minimax criteria. In particular, analogs of D-, A- and E-optimal designs are studied in the general case of an arbitrary $k$. Some commonly used integer designs are considered and their efficiencies with respect to optimal designs are determined. In particular, it is shown that star-point designs or regular replicas of $2^k$ factorials are very efficient under the appropriate choice of levels of factors.