A Comparison of Ordinary Least Squares and Least Absolute Error Estimation
普通最小二乘与最小绝对误差估计的比较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：摘要研究一般线性回归估计与检验，未明确涉及分位数效应或其他所列具体方向。
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
普通最小二乘与最小绝对误差估计的比较
- 研究问题
- 在线性回归误差存在异方差时，比较普通最小二乘和最小绝对误差估计的检验，与残差符号检验有什么关系？
- 方法与思路
- 作者研究两类检验，并利用 Hausman 检验与广义矩检验的等价关系联系它们，同时讨论同方差和误差非对称情形。
- 材料陈述的贡献
- 摘要称，两类检验之间的联系可由已有的 Hausman 与广义矩检验等价关系解释，并分析若干特殊误差设定。
- 阅读关注点
- 应核对检验的原假设、两种估计量所针对的参数、异方差下的方差处理，以及误差非对称如何影响检验解释。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断检验的具体成立条件、功效或哪种估计量更优，也不推断后续版本变化。
原文摘要
In a linear-regression model with heteroscedastic errors, we consider two tests: a Hausman test comparing the ordinary least squares (OLS) and least absolute error (LAE) estimators and a test based on the signs of the errors from OLS. It turns out that these are related by the well-known equivalence between Hausman and the generalized method of moments tests. Particular cases, including homoscedasticity and asymmetry in the errors, are discussed.