Bounds on the Variance of Regression Coefficients Due to Heteroscedastic or Autoregressive Errors
异方差或自回归误差引致的回归系数方差界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：摘要主要研究一般线性回归的协方差估计偏差界，虽举异方差与自相关例子，但不足以确定特定宏观或金融细分。
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
异方差或自回归误差引致的回归系数方差界
- 研究问题
- 摘要研究误差协方差矩阵估计不准时，回归系数协方差估计的偏差有多大，以及如何在较弱假设下给出偏差界。
- 方法与思路
- 作者在较不严格的假设下推导偏差界，并以异方差和自相关为例；针对一阶误差自相关，给出比例偏差上界的近似式。
- 材料陈述的贡献
- 摘要称所得界限放宽了此前分析的假设；对一阶误差自相关系数 p，比例偏差上界可由 (1+p)/(1−p)−1 合理近似。
- 阅读关注点
- 应核对被界定的是方差还是协方差估计偏差、误差结构约束，以及一阶自相关近似式的参数范围、精度和取界条件。
- 阅读边界
- 摘要未列出完整假设、上下界公式或近似误差，因此无法判断界限是否紧致，也不能将所述近似推广至任意自相关过程。
原文摘要
In applications of linear regression analysis, the unknown error covariance matrix has to be somehow estimated. This can lead to biased estimates of the covariance matrix of the regression coefficients. Since such bias is difficult to eliminate completely, its sensitivity to alternative estimates of error covariances is studied by Watson, Theil, Malinvaud, and others with the help of bounds on the bias derived under certain assumptions. This paper gives similar bounds under less restrictive assumptions, and illustrates them in the context of heteroscedasticity and autocorrelation problems. In particular, for the first order error autocorrelation coefficient of p the upper bound on proportionate bias is shown to be reasonably approximated by (1 + p)/(l - p) - 1.