Efficiency of Ordinary Least Squares for Linear Models with Autocorrelation
自相关线性模型中普通最小二乘法的效率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：摘要围绕误差自相关及其修正对估计效率的影响，直接涉及序列依赖问题。
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…
自相关线性模型中普通最小二乘法的效率
- 研究问题
- 在线性模型误差存在自相关时，对普通最小二乘效率的评价是否依赖效率指标，并影响对自相关修正收益的判断？
- 方法与思路
- 作者重新审视既有研究关于自相关误差下最小二乘估计的结论，重点考察效率度量选择如何影响对修正方法的评价。
- 材料陈述的贡献
- 摘要称，既有结论依赖其采用的效率度量，并低估了修正自相关的优势；摘要未给出具体指标与比较结果。
- 阅读关注点
- 应核对原研究与本文分别采用何种效率指标、误差自相关结构如何设定，以及修正优势在什么模型条件下成立。
- 阅读边界
- 依据稿件版本未注明的索引摘要；自相关结构、修正方法和优势幅度未说明，不能断言任何修正都更有效或推断刊本变化。
原文摘要
This article provides a reconsideration of Kramer's (1980) results on least squares estimation in linear models with autocorrelated errors. Kramer's results are shown to be dependent on his measure of efficiency and to understate the advantages of correcting for autocorrelation.