On a New Test for Autocorrelation in Least Squares Regression
最小二乘回归中的一种新自相关检验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：摘要直接研究回归误差的自相关检验，与时间序列中的序列相关诊断相关。
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
最小二乘回归中的一种新自相关检验
- 研究问题
- 如何在最小二乘回归中构造精确自相关检验，处理残差分布依赖回归设计矩阵的问题，并回应已有精确检验的不足？
- 方法与思路
- 作者提出一种新的精确检验程序，概述检验统计量的计算方法，并在若干例子中与 Durbin–Watson 和已有标量检验比较功效。
- 材料陈述的贡献
- 摘要称，新程序回应了最佳线性无偏标量检验所面临的若干异议，并提供计算方法和示例功效比较，但未给出比较结果。
- 阅读关注点
- 应核对新检验的零假设与误差分布条件、对已有检验的具体异议，以及精确分布和功效比较如何依赖样本及设计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；异议内容、精确性的适用条件和功效数值未说明，不能声称新检验普遍更强。
原文摘要
The Durbin-Watson test on autocorrelation is based on the least squares residual vector. It is well known that the distribution of this vector depends upon the regression matrix which implies that tabulation of the test statistic's significance points is senseless. The best linear unbiased scalar test circumvents this difficulty and gives a test statistic whose distribution does not depend upon the regression matrix; it is an exact test. However, some objections can be made against this test. In this paper, a new exact procedure which meets these objections is presented. A method to compute the test statistic is outlined. Powers of the new procedure for some examples are computed and compared with the corresponding powers of the Durbin-Watson test and the best linear unbiased scalar test.