On a new test for autocorrelation in least squares regression
最小二乘回归中一种新的自相关检验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：摘要明确研究回归误差自相关检验，直接对应时间序列的相关性诊断。
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
最小二乘回归中一种新的自相关检验
- 研究问题
- 如何在最小二乘回归中检验自相关，同时处理残差分布依赖回归矩阵的问题，并回应既有精确检验的不足？
- 方法与思路
- 作者提出一种新的精确检验程序，概述统计量计算方法，并在若干例子中与 Durbin–Watson 及既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对最佳线性无偏标量检验的若干异议，并报告其计算方法与示例性功效比较。
- 阅读关注点
- 应核对新程序回应的具体异议、精确性的成立条件、回归矩阵的作用，以及功效比较所采用的备择与设计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明新检验的具体假设或功效比较结果，不能断言其普遍更优。
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.