Exact Linear Restrictions on Parameters in the General Linear Model with a Singular Covariance Matrix
奇异协方差一般线性模型中的参数精确线性约束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：摘要属于受约束线性估计的通用理论，未明确涉及面板、时间序列或其他所列应用方向。
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
奇异协方差一般线性模型中的参数精确线性约束
- 研究问题
- 在误差协方差已知但奇异、回归参数又受约束的一般线性模型中，如何定义并获得最优线性无偏估计？
- 方法与思路
- 作者分别采用最小期望二次损失与最小广义方差作为最优性标准，研究受约束且协方差奇异时的估计。
- 材料陈述的贡献
- 摘要称，两种操作性最优标准导向同一个估计量，即摘要所指Theil于1971年发展的最小二乘估计量。
- 阅读关注点
- 应核对参数约束与设计矩阵的相容性、可估性和秩条件，以及奇异协方差下两种最优标准的具体定义。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；估计表达式、唯一性条件和奇异情形处理未说明，不能推广至未知协方差。
原文摘要
An attempt is made to develop a best linear unbiased estimator of β in the model y = Xβ + u, with known singular covariance matrix V of u and restrictions on β. Two operational criteria for optimality are considered: minimum expected quadratic loss and minimum generalized variance. It is shown that these criteria lead to the same estimator, the well-known least-squares estimator, as developed by Theil (1971).