Further Suggestions Concerning the Utilization of Incomplete Observations in Regression Analysis
关于在回归分析中利用不完整观测的进一步建议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中的解释变量缺失，未提供面板、因果或其他所列细分领域的明确依据。
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
关于在回归分析中利用不完整观测的进一步建议
- 研究问题
- 在包含两个固定解释变量的线性回归中，若每条观测至少记录一个解释变量且部分观测完整，如何利用不完整资料估计参数？
- 方法与思路
- 作者针对上述观测结构提出参数估计方法，研究一致性，并将渐近方差与文献中的可比估计量进行比较。
- 材料陈述的贡献
- 摘要称方法建立在较宽松假设上，估计量一致且渐近方差小于所比较方法；进一步推广的可能性被提出，但未在文中研究。
- 阅读关注点
- 应核对解释变量固定的含义、缺失模式所需条件、完整观测的作用、估计量构造，以及方差比较针对的具体方法和范围。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要；缺失机制与估计公式未说明，不能视为任意缺失情形下的改进，推广尚未得到论证。
原文摘要
The purpose of this article is to suggest a method of estimating parameters of linear regressions containing two independent variables, when data is missing among these variables. The problem envisaged concerns the case where: (1) the independent variables are considered as fixed numbers; (2) each observation contains the values of the dependent variable and at least one of the independent variables; (3) some observations are complete. In contrast with other approaches dealing with similar problems, the technique developed in this article has the following advantages: (1) it is based on rather unrestrictive hypotheses; (2) the resulting estimators are consistent; (3) the asymptotic variances of these estimators are smaller than those of comparable estimators described in the literature. Although the question is not examined in the present article, if seems also that the proposed method offers good possibilities of generalization.