Confidence Sets for the Coefficients Vector of a Linear Regression Model with Nonspherical Disturbances
非球形扰动线性回归模型系数向量的置信集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：摘要属于通用回归置信集理论，未指明面板、因果或金融等细分应用。
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…
非球形扰动线性回归模型系数向量的置信集
- 研究问题
- 在线性回归扰动具有非球形协方差结构时，如何利用 Stein 规则估计量构造系数向量置信集，并比较覆盖率和期望体积？
- 方法与思路
- 作者构造基于 Stein 规则估计量的置信集，推导其与可行广义最小二乘置信集覆盖概率及期望体积的大样本近似。
- 材料陈述的贡献
- 摘要称，论文提出改进的系数向量置信集，给出覆盖率与期望体积的近似表达，并据此讨论两类置信集的排序。
- 阅读关注点
- 应核对非球形协方差的设定与估计、Stein 收缩规则、置信集形状，以及覆盖率和体积排序分别需要哪些条件。
- 阅读边界
- 仅据所给 Crossref 摘要；改进所采用的准则及成立条件未说明，不能断言覆盖率和体积均全面占优，也不能推断版本变化。
原文摘要
In this present paper, considering a linear regression model with nonspherical disturbances, improved confidence sets for the regression coefficients vector are developed using the Stein rule estimators. We derive the large-sample approximations for the coverage probabilities and the expected volumes of the confidence sets based on the feasible generalized least-squares estimator and the Stein rule estimator and discuss their ranking.