Asymptotics of least-squares estimators for constrained nonlinear regression
约束非线性回归中最小二乘估计量的渐近性质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：摘要研究一般约束回归的渐近理论，参数约束本身并不表明存在经济结构模型，因而缺少所列细分领域的直接依据。
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
约束非线性回归中最小二乘估计量的渐近性质
- 研究问题
- 非线性回归参数同时受到非线性等式与不等式约束时，最小二乘估计的渐近行为如何刻画并处理约束带来的困难？
- 方法与思路
- 作者将约束非线性最小二乘视为随机优化问题，运用优化方法应对回归模型与参数约束中的非线性。
- 材料陈述的贡献
- 摘要称，文章在允许非线性等式和不等式约束的一般框架下研究最小二乘估计的渐近行为，并借助优化方法展开分析。
- 阅读关注点
- 应核对约束资格条件、识别与局部几何要求，以及约束是否起作用时的不同渐近情形和优化结论如何用于统计分析。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列出渐近分布、收敛速度或定理条件，不能预设常规正态推断始终有效。
原文摘要
This paper is devoted to studying the asymptotic behavior of LS-estimators in constrained nonlinear regression problems. Here the constraints are given by nonlinear equalities and inequalities. Thus this is a very general setting. Essentially this kind of estimation problem is a stochastic optimization problem. So we make use of methods in optimization to overcome the difficulty caused by nonlinearity in the regression model and given constraints.