Polynomial regression under a mixture of classical and Berkson errors
经典与Berkson混合测量误差下的多项式回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要讨论测量误差下的回归估计与渐近理论，属于计量理论与测量误差方向，未涉及所给微观、宏观或金融领域细分。
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
经典与Berkson混合测量误差下的多项式回归
- 研究问题
- 研究协变量同时受到经典测量误差与Berkson测量误差混合污染时的多项式结构回归模型，如何在非正态假设下识别并估计模型参数。
- 方法与思路
- 作者提出在两类误差方差及部分高阶矩已知的前提下，采用Corrected Score方法构造模型参数的一致估计量，并给出渐近正态性所需条件，同时通过模拟研究展示结果。
- 材料陈述的贡献
- 摘要称在无需正态性假设的情况下构造出参数的一致估计量，给出渐近正态性条件，并发现若干渐近独立估计量对。
- 阅读关注点
- 应核对误差矩已知这一假设的具体形式、Corrected Score的构造与可识别性条件、渐近正态性所需的正则条件，以及渐近独立估计量对的含义与模拟设计。
- 阅读边界
- 仅为arXiv预印本，未经同行评审或期刊接收；摘要未说明具体识别假设、估计量形式、模拟数值结果与实证应用，不能据此判断估计量的有限样本表现。
原文摘要
A polynomial structural regression model is studied, where the covariate is observed with a mixture of the classical and Berkson measurement errors. Both variances of the classical and Berkson errors, as well as some of their higher moments are assumed to be known. Without normality assumptions, consistent estimators of model parameters are constructed using the Corrected Score method, and conditions for their asymptotic normality are given. Under mild conditions, we found pairs of asymptotically independent estimators. A simulation study illustrates the results.