Preliminary-Test Estimation of the Error Variance in Linear Regression
线性回归误差方差的预检验估计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：摘要聚焦一般线性回归尺度参数的预检验估计与有限样本风险，缺乏对应所列应用领域的明确证据。
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…
线性回归误差方差的预检验估计
- 研究问题
- 在线性回归中，先检验再选择估计方式会怎样影响误差尺度参数的有限样本偏差与风险，不同构成估计量如何比较？
- 方法与思路
- 作者对若干常用预检验估计量推导精确有限样本偏差和风险表达式，涵盖最小二乘、最大似然及最小均方误差构成。
- 材料陈述的贡献
- 摘要称在典型预检验情形中，以最小均方误差为准则的构成估计量在平方损失风险方面优于另两种准则。
- 阅读关注点
- 应核对预检验针对的限制、显著性阈值、误差分布假设，以及所谓典型情形和风险比较成立的参数范围。
- 阅读边界
- 仅依据所给 Crossref 摘要；精确表达式、分布条件及典型情形未说明，风险排序不能视为所有参数下的统一结论。
原文摘要
We derive exact finite-sample expressions for the biases and risks of several common pretest estimators of the scale parameter in the linear regression model. These estimators are associated with least squares, maximum likelihood and minimum mean squared error component estimators. Of these three criteria, the last is found to be superior (in terms of risk under quadratic loss) when pretesting in typical situations.