Inequality Constrained Least-Squares Estimation
不等式约束最小二乘估计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：摘要涉及通用约束回归估计，未明确指向因果、面板或结构模型等细分方向。
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
不等式约束最小二乘估计
- 研究问题
- 如何在回归参数估计中结合先验信息与样本信息，使结果符合理论要求，并评价不等式约束对估计性质的影响？
- 方法与思路
- 作者提出不等式约束最小二乘估计，给出未截断的方差协方差矩阵，讨论大小样本性质，并通过蒙特卡洛比较普通最小二乘。
- 材料陈述的贡献
- 摘要称文章提供约束估计方法及其方差协方差描述，并从样本偏差、均方误差和方差三个方面开展模拟比较。
- 阅读关注点
- 应核对约束集合及其理论来源、方差协方差矩阵的定义、大小样本结论的条件，以及模拟如何处理约束有效或失效的情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明约束形式、分布条件或模拟结果，不能判断相对普通最小二乘的优势。
原文摘要
There are growing demands to use prior and sample information for parameter estimation of a regression model in order to maintain consistency with underlying theory. To meet such demands, this paper provides an inequality constrained least-squares (ICLS) estimation, specifies an untruncated variance-covariance matrix of the ICLS estimates, and discusses their statistical properties in large-and small-sample cases. Finally, the ICLS and the ordinary least-squares OLS estimates are compared in terms of sample bias, sample mean-square error MSE and sample variance of the estimates by a Monte Carlo study.