Note on Stepwise Least Squares
分步最小二乘简注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：摘要仅讨论通用多元线性回归的计算关系，没有所列经济计量细分领域的充分证据。
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
分步最小二乘简注
- 研究问题
- 研究多元线性回归中通过分步程序估计某一个系数时，该估计与一次完成的直接多元回归估计之间有什么关系。
- 方法与思路
- 作者分析常用分步估计程序，并明确其得到的单个回归系数与直接多元回归系数之间的联系，摘要未给出具体步骤。
- 材料陈述的贡献
- 摘要所述贡献是澄清两种计算途径的估计关系，而非提出新的变量选择方法；关系的具体形式和适用条件未在摘要中说明。
- 阅读关注点
- 应核对分步程序的操作顺序、是否使用残差化，以及何种条件下与直接回归一致，并检查标准误是否同样可对应。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能断言任何分步回归都等价于直接回归，也不能推断其统计效率或变量筛选性质。
原文摘要
A stepwise procedure is often used to estimate one coefficient in a multiple linear regression. The relation between this stepwise estimate and the estimate obtained by direct multiple regression is spelled out.