以下是我本月的建议：Bun, M. J. G. & T. D. Harrison，2109。包括内生交互项的回归模型的 OLS 和 IV 估计。计量经济学评论，38，814-827。Dufour, J-M.、E. Flachaire 和 L. Khalaf，用于比较不平等度量的置换检验。商业和经济统计杂志，37，457-470。Jiao, X. & F. Pretis，2018。测试回归模型中是否存在异常值。可在 SSRN 上获取：https://ssrn.com/abstract=3217213。Stanton, J. M.，2001。Galton、Pearson 和豌豆：面向统计学讲师的线
以下是本月推荐阅读的精选：Athey, S. & G. W. Imbens，2019 年。经济学家应该了解的机器学习方法。Mimeo。Bhagwat, P. & E. Marchand，2019 年。关于适当的贝叶斯但不可接受的估计量。美国统计学家，在线。Canals, C. & A. Canals，2019 年。什么时候 n 足够大？寻找合适的样本量来估计比例。《统计计算与模拟杂志》，89，1887-1898。Cavaliere, G. & A. Rahbek，2019 年。时间序列模型中假设的引导检验入门：应用于双自回归模型。讨论文件 19-03，哥本哈根大学经济学系。Chudik, A.
来自“我们要加权什么？”加里·索伦（Gary Solon），史蒂文·海德（Steven Haider）和杰弗里·沃尔德里奇（Jeffrey Wooldridge）：在他们教科书的一部分开始时，关于回归模型的加权估计，Angrist and Pischke（2009，p。91）承认：“很少有事情能使应用研究人员作为样本权重的作用而混淆，即使现在，在phl.d phl.d pph。
Mathematical model for predicting the thickness of the anodic oxide coating on AMg6 aluminum alloy
解决了AMg6铝合金阳极氧化膜厚度对阳极氧化各工艺参数依赖性的回归模型构建问题。确定了阳极氧化的关键因素是电流密度、温度和时间。获得了描述涂层厚度对技术参数的依赖性的经验方程。评估模型质量并提供结果的图形解释。平均近似误差为 7.032%。
