Residual Variance and Residual Pattern in Nonlinear Regression
非线性回归中的残差方差与残差模式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：摘要主要研究通用回归诊断，纵向数据仅为示例，尚不足以归为面板数据方法。
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…
非线性回归中的残差方差与残差模式
- 研究问题
- 研究如何在非线性回归中非参数地估计残差方差，并利用残差模式辅助发现异方差、异常值及参数模型拟合问题。
- 方法与思路
- 作者提出基于局部线性拟合的残差方差估计量，分析渐近偏差与方差，通过模拟比较方法并用纵向生长数据示例。
- 材料陈述的贡献
- 摘要称该估计量渐近偏差较小，但相较线性回归的参数估计量方差较大，并可辅助早期残差诊断与参数模型检验。
- 阅读关注点
- 应核对局部拟合与带宽设定、偏差和方差比较的模型条件、模拟中的比较对象，以及纵向数据的相关性如何处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；诊断能力的量化依据、误差相关假设与有限样本结果未说明，不能认定方法整体更优。
原文摘要
A nonparametric estimator of residual variance in nonlinear regression is proposed. It is based on local linear fitting. Asymptotically the estimator has a small bias, but a larger variance compared with the parametric estimator in linear regression. Finite sample properties are investigated in a simulation study, including a comparison with other nonparametric estimators. The method is also useful for spotting heteroscedasticity and outliers in the residuals at an early stage of the data analysis. A further application is checking the fit of parametric models. This is illustrated for longitudinal growth data.