Coefficient Errors Caused by Using the Wrong Covariance Matrix in the General Linear Model
一般线性模型中误用协方差矩阵造成的系数误差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：摘要研究一般回归的协方差误设敏感性，未限定于面板、时间序列或其他所列细分领域。
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
一般线性模型中误用协方差矩阵造成的系数误差
- 研究问题
- 在满秩一般线性模型中，用错误协方差矩阵计算 Gauss–Markov 系数估计，会造成多大的均方误差，能否给出可计算的近似界？
- 方法与思路
- 作者推导均方误差近似界，使其取决于实际使用的协方差矩阵、真实与错误矩阵之差的 Frobenius 范数及基矩阵。
- 材料陈述的贡献
- 摘要称，该界可用通常回归问题中已知或容易近似的信息计算；论文提供相关数学推导与数值例子说明方法。
- 阅读关注点
- 应核对均方误差所衡量的对象、近似界成立的条件与紧度，以及未知真实协方差矩阵的差异范数如何实际估计。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；近似条件、界的具体形式及实际计算误差未说明，不能将其视为无条件精确上界。
原文摘要
A method is derived to place an approximate bound on the mean-square error incurred by using an incorrect covariance matrix in the Gauss-Markov estimator of the coefficient vector in the full-rank general linear model. The bound thus obtained is a function of the incorrect covariance matrix $\tilde{S}$ actually used, the Frobenius norm of $S - \tilde{S}$, where $S$ is the correct covariance matrix, and the basis matrix $\phi$. This estimate can therefore be computed from known or easily-approximated data in the usual regression problem. All mathematics related to the method is derived, and numerical examples are presented.