On the estimation of slope and the identification of outliers in linear regression
线性回归中的斜率估计与异常值识别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：摘要涉及通用线性回归与异常值识别，未明确联系所列领域中的特定研究对象。
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
线性回归中的斜率估计与异常值识别
- 研究问题
- 如何借助误差分布的信息构造线性模型斜率估计量，并利用估计量族的方差比较识别相对于最小二乘的异常值？
- 方法与思路
- 作者最小化与误差经验累积量生成函数相关的损失，构造由实参数索引的估计量族，再选择方差最小的成员。
- 材料陈述的贡献
- 摘要称建立估计量的一致性与渐近正态性，并结合方差最小化和正态分布刻画，提出相对于最小二乘的异常值识别程序。
- 阅读关注点
- 应核对误差累积量生成函数的存在条件、损失函数及参数选择方式，并检查异常值识别规则与渐近结论的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；误差条件和识别阈值未说明，不能推断其对各种污染分布均稳健。
原文摘要
The paper presents a large sample method for estimating the slope parameter in a linear model by minimizing a loss function related to the empirical cumulant generating function of the error distribution. A family of estimators, indexed by a real parameter, is obtained and consistency and asymptotic normality established. The optimum member of the family is that which has minimum variance with respect to the parameter. This minimization together with a characterization result for the normal distribution leads to a procedure for the identification of outliers with respect to least squares.