莱昂·杰·格雷瑟 多元回归中评估测量可靠性的重要性。 （英语） Zbl 0781.62102号 美国统计协会。 87，No.419，696-707（1992）. 摘要：在许多涉及多元线性回归模型的情况下，一些或所有独立（预测）变量的测量都有误差。有人认为，如果目标是评估因变量与真实预测变量的关系，那么确定真实预测向量的测量值（X）的可靠性矩阵（Lambda）很重要。如果\（Lambda）是奇异的，那么斜率矩阵\（B）是不可识别的。如果\（Lambda \）几乎是奇异的，那么\（B \）就无法准确估计。提出了一种两步估计方法，其中Lambda是根据测量预测因子（X）的数据和这些预测因子可靠性研究的先验信息估计的，（潜在）线性关系的参数是通过经典线性回归方法估计的。这种方法不仅允许使用可用的软件，而且还适用于传统的诊断方法。推导了由此方法得到的估计量的大样本性质。本文说明了如何使用基于（Lambda）的特征值和特征向量（或其估计（Lambda））的典型分析来评估测量误差对估计精度的影响。最后，建议使用观测预测因子的复制作为估计λ和提高测量可靠性的一种方法。 引用于1审查引用于31文件 理学硕士： 62J05型 线性回归；混合模型 62J20型 诊断、线性推理和回归 关键词：衰减校正;变量中的错误;线性函数关系;线性结构关系;潜在预测因子的多重共线性;大样本属性;多元线性回归模型;因变量;预测变量;可靠性矩阵;斜率矩阵;两步估计法;先前信息;可靠性研究;线性关系;特征值;特征向量;测量误差的影响;测量可靠性 PDF格式BibTeX公司 XML格式引用 \textit{L.J.Gleser}，J.Am.Stat.Assoc.87，No.419，696--707（1992；Zbl 0781.62102） 全文： 内政部