ADDING REGRESSORS TO OBTAIN EFFICIENCY
通过增加回归变量获得估计效率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：摘要属于一般线性回归的效率理论，未给出归入特定计量应用方向的文本依据。
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
通过增加回归变量获得估计效率
- 研究问题
- 同方差线性回归中通常降低效率的无关回归变量，在条件异方差下能否被适当构造，以改善原有参数的渐近估计效率？
- 方法与思路
- 作者考察向线性回归加入无关变量的效率作用，并指出在条件异方差下可寻找适当的新增变量，使渐近方差达到广义最小二乘水平。
- 材料陈述的贡献
- 摘要称，条件异方差下存在这样的无关回归变量，使扩展模型达到广义最小二乘估计的渐近方差，揭示增加变量可能带来的效率收益。
- 阅读关注点
- 应核对无关变量的形式化定义和构造、结果依赖的假设，以及构造所需信息是否可观测、可估计及其实际实施成本。
- 阅读边界
- 所给 Crossref 摘要很简短，未说明变量构造、可行估计或有限样本影响；不能将存在性结论等同于普遍实用优势或版本变化。
原文摘要
It is well known that in standard linear regression models with independent and identically distributed data and homoskedasticity, adding “irrelevant regressors” hurts (asymptotic) efficiency unless such irrelevant regressors are orthogonal to the remaining regressors. But we have found that under (conditional) heteroskedasticity “irrelevant regressors” can always be found such that one can achieve the asymptotic variance of the generalized least squares estimator by adding the “irrelevant regressors” to the model.