The GLS Transformation Matrix and a Semi-recursive Estimator for the Linear Regression Model with ARMA Errors
含 ARMA 误差的线性回归：GLS 变换矩阵与半递归估计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：摘要明确研究平稳 ARMA 误差、协方差正交化和递归估计，直接对应时间序列方法。
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…
含 ARMA 误差的线性回归：GLS 变换矩阵与半递归估计
- 研究问题
- 在线性回归误差服从一般平稳 ARMA 过程时，如何构造精确的 GLS 正交化矩阵，并将其用于半递归参数估计？
- 方法与思路
- 作者推导满足 R′R＝Σ⁻¹ 的精确变换矩阵，将回归误差转为白噪声，并研究回归参数递归、误差参数非递归的估计。
- 材料陈述的贡献
- 摘要称，该矩阵推广了已有 AR 过程公式，提供一般平稳 ARMA 误差下的数据变换，并给出半递归估计应用。
- 阅读关注点
- 应核对矩阵的边界处理、误差过程参数是否已知或需估计，以及回归参数递归更新与误差参数更新如何衔接。
- 阅读边界
- 仅据所给 Crossref 摘要，计算复杂度、误差参数估计的影响和非平稳情形未说明，也不能推断其他版本的变化。
原文摘要
For a general stationary ARMA( p,q ) process u we derive the exact form of the orthogonalizing matrix R such that R ′ R = Σ −1 , where Σ = E ( uu ′) is the covariance matrix of u , generalizing the known formulae for AR ( p ) processes. In a linear regression model with an ARMA( p,q ) error process, transforming the data by R yields a regression model with white-noise errors. We also consider an application to semi-recursive (being recursive for the model parameters, but not for the parameters of the error process) estimation.