Symmetry, Regression Design, and Sampling Distributions
对称性、回归设计与抽样分布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：摘要核心是通用回归设计与抽样分布；Tobit 仅为示例，不足以归入离散选择方向。
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
对称性、回归设计与抽样分布
- 研究问题
- 解释变量取值的对称布局如何使回归系数估计的抽样分布具有反射性质，并在真系数为零时产生精确对称性？
- 方法与思路
- 作者分析一类模型中 M 估计量在系数变号下的分布反射性质，并以小样本 Tobit 模型的 Monte Carlo 实验说明。
- 材料陈述的贡献
- 摘要称，零系数下可得到中位数无偏及矩存在时与其他参数估计量精确不相关，而无需响应变量条件分布对称。
- 阅读关注点
- 应核对解释变量对称布局和估计量所需条件、变号对应的参数范围，以及零系数与矩存在条件在推论中的作用。
- 阅读边界
- 仅依据所给 Crossref 摘要；模型类别与设计条件未完整说明，零系数下的中位数无偏不能推广为一般均值无偏。
原文摘要
When values of regressors are symmetrically disposed, many M -estimators in a wide class of models have a reflection property, namely, that as the signs of the coefficients on regressors are reversed, their estimators' sampling distribution is reflected about the origin. When the coefficients are zero, sign reversal can have no effect. So in this case, the sampling distribution of regression coefficient estimators is symmetric about zero, the estimators are median unbiased and, when moments exist, the estimators are exactly uncorrelated with estimators of other parameters. The result is unusual in that it does not require response variates to have symmetric conditional distributions. It demonstrates the potential importance of covariate design in determining the distributions of estimators, and it is useful in designing and interpreting Monte Carlo experiments. The result is illustrated by a Monte Carlo experiment in which maximum likelihood and symmetrically censored least-squares estimators are calculated for small samples from a censored normal linear regression, Tobit, model.