Multicollinearity and Imprecise Estimation
多重共线性与估计不精确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：摘要讨论一般线性模型的估计精度和设计问题，没有支持某一所列经济计量细分方向的直接证据。
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
多重共线性与估计不精确
- 研究问题
- 在线性模型含有多个解释变量时，设计矩阵的特征结构如何影响线性参数函数的估计精度，并帮助诊断共线性和选择新观测？
- 方法与思路
- 作者利用设计矩阵交叉乘积X'X的特征值与特征向量分析线性参数函数的估计精度，并将分析用于诊断及新增设计点选择。
- 材料陈述的贡献
- 摘要提出一种基于特征结构的实用共线性诊断方法，并称该分析也有助于解决解释变量新取值的最优选择问题。
- 阅读关注点
- 应核对特征方向与参数函数方差的联系、共线性诊断规则，以及新增解释变量取值的优化目标和可行设计约束。
- 阅读边界
- 仅依据所给Crossref摘要；摘要未说明诊断阈值、完整模型条件或设计约束，不能推断具体修正估计方法及其他版本变化。
原文摘要
Summary For the standard linear model containing several explanatory variables, the precision of estimation of linear parametric functions is analysed in terms of latent roots and vectors of X'X, where X is the matrix of values of explanatory variables. This analysis provides a practical method for detecting multicollinearity, and it is demonstrated that it is also useful in solving problems of optimum choice of new values of explanatory variables.