Resurrecting weighted least squares
重拾加权最小二乘法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：摘要讨论通用回归中的加权最小二乘与异方差稳健推断，缺乏所列具体应用领域的文本依据。
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
重拾加权最小二乘法
- 研究问题
- 当用于构造回归权重的模型被误设时，加权最小二乘估计能否结合异方差稳健标准误，实现渐近有效推断？
- 方法与思路
- 作者为加权最小二乘配置异方差一致标准误，在不要求知道条件异方差函数形式的情况下提供理论证明和模拟支持。
- 材料陈述的贡献
- 摘要称在相应假设下，即使重新加权模型误设也可进行渐近有效推断；模拟显示估计与推断具有较好的有限样本性质。
- 阅读关注点
- 应核对所谓合理假设、权重估计对标准误的影响、误设时的估计目标，以及模拟比较对象和权重失效的情形。
- 阅读边界
- 仅依据所给出版社摘要；权重条件、外生性要求与模拟数值未说明，结论不能延伸为对所有回归模型误设都稳健。
原文摘要
This paper shows how asymptotically valid inference in regression models based on the weighted least squares (WLS) estimator can be obtained even when the model for reweighting the data is misspecified. Like the ordinary least squares estimator, the WLS estimator can be accompanied by heteroskedasticity-consistent (HC) standard errors without knowledge of the functional form of conditional heteroskedasticity. First, we provide rigorous proofs under reasonable assumptions; second, we provide numerical support in favor of this approach. Indeed, a Monte Carlo study demonstrates attractive finite-sample properties compared to the status quo, in terms of both estimation and inference.