Stepwise Least Squares: Residual Analysis and Specification Error
分步最小二乘：残差分析与设定误差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：摘要讨论一般线性回归的分步计算与设定误差，未明确对应所列专门领域。
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
分步最小二乘：残差分析与设定误差
- 研究问题
- 研究多元线性回归中分步估计与直接估计第一组系数的关系，并寻求对两组系数的分步估计给出统一处理。
- 方法与思路
- 作者将第一组系数的分步与直接估计关系置于 Theil 的设定误差分析框架，同时结合第二组系数的已有讨论。
- 材料陈述的贡献
- 摘要称明确了此前讨论之外的第一组系数关系，并提供两种分步估计量的统一分析；没有报告预测或估计精度优势。
- 阅读关注点
- 应核对分步程序具体如何残差化、两组系数各自与直接估计的关系，以及设定误差分析依赖哪些代数或模型条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断所有分步估计均等价于完整回归；这里的分步程序也不宜直接理解为变量筛选。
原文摘要
A stepwise procedure for estimating the parameters of the multiple linear regression model y = X 1β1 + X 2β2 + e is often used. Two articles in the March 1961 issue of this Journal focussed on the connection between the stepwise and the direct estimator of β2. The present paper spells out the connection between the stepwise and the direct estimator of β1, as a special case of Theil's analysis of specification error. A unified treatment of the two stepwise estimators is also provided.