Estimation of the Covariance Matrix of the Least-Squares Regression Coefficients When the Disturbance Covariance Matrix Is of Unknown Form
未知扰动协方差结构下最小二乘回归系数协方差矩阵的估计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：摘要讨论一般回归中的协方差估计，虽允许自相关，但未限定宏观时间序列或其他给定细分领域。
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…
未知扰动协方差结构下最小二乘回归系数协方差矩阵的估计
- 研究问题
- 当误差存在未知形式的异方差或自相关时，如何一致估计最小二乘系数的协方差矩阵，并改善小样本性质？
- 方法与思路
- 作者考察 White 提出的协方差估计量，以更易核验的条件给出相对简洁的一致性证明，并提出另一种估计量。
- 材料陈述的贡献
- 摘要称，文章简化既有估计量的一致性论证，使条件更易核验；另提出一种小样本性质有所改善的替代估计量。
- 阅读关注点
- 应核对新旧一致性条件的差别、异方差与自相关的处理范围，以及替代估计量改善了哪些小样本性质。
- 阅读边界
- 仅据所给 Crossref 摘要，具体估计公式、正则条件和小样本比较指标均未说明，无法判断改善的幅度与适用范围。
原文摘要
This paper deals with the problem of estimating the covariance matrix of the least-squares regression coefficients under heteroskedasticity and/or autocorrelation of unknown form. We consider an estimator proposed by White [17] and give a relatively simple proof of its consistency. Our proof is based on more easily verifiable conditions than those of White. An alternative estimator with improved small sample properties is also presented.